Informe Final PinkFairness

1. Motivación

En esta sección se hace la descripción del caso de uso indicando el problema o tarea específica que se soluciona, proporcionando una visión general del mismo. Asimismo, se establece las necesidades y requisitos específicos del proyecto.

Requisito Descripcion
target_population El conjunto de datos de German Credit representa a personas solicitantes de crédito en Alemania. Por tanto, la población impactada o beneficiada son individuos que solicitan productos financieros, como préstamos o créditos bancarios. Las decisiones automatizadas sobre su riesgo crediticio pueden afectar su acceso a productos financieros.
context El propósito principal del sistema que se entrena con este conjunto de datos es predecir la probabilidad de que un solicitante de crédito pague o no pague su deuda. Las metas principales son:\nEvaluar la solvencia de un solicitante.\nReducir riesgos de impago para las instituciones financieras.\nFacilitar decisiones de aprobación o rechazo de solicitudes de crédito de manera eficiente.
sensitive_data El dataset contiene atributos sensibles como:\nSexo (male/female)\nEstado civil (single/married/divorced)\nEdad Se deben aplicar buenas prácticas como:\nEvaluar y mitigar posibles sesgos en las predicciones relacionadas con estos atributos.\nImplementar técnicas de fairness-aware machine learning si se pretende garantizar equidad.
limitations Tamaño limitado: solo 1.000 instancias, lo cual puede dificultar la generalización.\nDatos antiguos: provienen de los años 1990s o antes, y pueden no reflejar las condiciones socioeconómicas actuales.\nCodificación simplificada: algunas variables categóricas están preprocesadas de manera que puede ocultar matices importantes.\nPresencia de sesgos históricos: los datos reflejan posibles discriminaciones preexistentes en la concesión de crédito.
benefits Acceso más ágil a decisiones de crédito si se usa un modelo justo y eficiente.\nReducción de la subjetividad humana en la evaluación crediticia.\n\nTransparencia potencialmente mayor si el modelo es explicado adecuadamente y supervisado.
ethics Si el modelo es justo y preciso: Puede facilitar un acceso más equitativo a créditos y mejorar la eficiencia bancaria.\nSi el modelo es sesgado: Podría discriminar contra ciertos grupos (por ejemplo, mujeres, personas jóvenes o mayores, personas solteras), perpetuando desigualdades.\nSi el modelo no se actualiza: Puede volverse irrelevante o ineficaz con cambios en las condiciones económicas o comportamientos de pago de la población.
maintenance Se recomienda que el modelo sea monitoreado:\nInicialmente: cada 6 meses.\nPosteriormente: según el comportamiento observado, podría ser anual si se mantiene un buen desempeño. El monitoreo debe incluir:\nRendimiento predictivo (accuracy, F1-score)\nMétricas de equidad (Disparate Impact (DI), Statistical Parity, Equal Opportunity Difference (EOD), Average Odds Difference (AOD))
description Nombre: German Credit Data\nOrigen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund.\nTamaño: 1.000 observaciones, 20 atributos.\nEtiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado).\nVariables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros).
2. Comprensión de los datos

A continuación, se describe el análisis de los datos disponibles para la construcción del modelo

2.1 Recopilación de datos iniciales

Cual fue la manera en que se llevó a cabo el proceso de recopilación de los datos, indicando si los datos utilizados corresponden a toda una población o si son una muestra representativa de la misma, especificando el porcentaje que representan en relación a la población en cuestión. Además, identificar las razones por las cuales existen valores perdidos en los datos. Asimismo, indicar si los datos han sido sometidos a algún tipo de tratamiento o transformación, o si se encuentran en su formato original

Ítem Descripción
Fuente de Datos
Filas 800
Columnas 61
Atributos sensibles [sexo]
Atributo de clase class
Formato
Descripción

2.2 Descripción de los datos

En esta sección se busca comprender la naturaleza y las características de cada atributo en el conjunto de datos. Esto implica examinar el tipo de dato, la escala de medición, el rango de valores posibles, la presencia de valores atípicos o perdidos, y cualquier otra información relevante relacionada con cada atributo

Atributo Descripción
duration Duración en meses del crédito solicitado.
amount Monto del crédito solicitado en Deutsche Marks (DM).
installment Tasa de cuota mensual a pagar como porcentaje del ingreso disponible (1: alta, 4: baja).
residence Años de residencia actual en la dirección indicada.
age Edad del solicitante en años.
cards Número de créditos existentes en este banco.
liable Número de personas a cargo del solicitante económicamente.
foreign Si el solicitante es extranjero (1: sí, 0: no).
sexo Sexo del solicitante (1: masculino, 0: femenino).
existingchecking__saldo positivo hasta 200 DM Cuenta corriente con saldo positivo de hasta 200 Deutsche Marks.
existingchecking__saldo positivo superior a 200 DM Cuenta corriente con saldo positivo mayor a 200 Deutsche Marks.
existingchecking__sin cuenta corriente El solicitante no tiene cuenta corriente.
existingchecking__sin saldo Cuenta corriente sin saldo o en descubierto.
history__créditos existentes pagados puntualmente hasta ahora Todos los créditos anteriores fueron pagados puntualmente.
history__cuenta crítica/otros créditos existentes (no en este banco) Hay cuentas o créditos críticos en otros bancos.
history__no créditos tomados El solicitante no ha tomado créditos anteriormente.
history__retraso en el pago en el pasado El solicitante tuvo retrasos en pagos anteriores.
history__todos los créditos en este banco devueltos a tiempo Los créditos en este banco han sido devueltos a tiempo.
purpose__coche nuevo Solicitud de crédito para comprar un coche nuevo.
purpose__coche usado Solicitud de crédito para comprar un coche usado.
purpose__educación Solicitud de crédito para financiar educación.
purpose__electrodomésticos Solicitud de crédito para comprar electrodomésticos.
purpose__muebles/equipo Solicitud de crédito para comprar muebles o equipamiento.
purpose__negocios Solicitud de crédito para fines comerciales o de negocios.
purpose__otros Otros propósitos no especificados.
purpose__radio/TV Solicitud de crédito para la compra de radio o televisión.
purpose__reparaciones Solicitud de crédito para reparaciones.
purpose__retraining Solicitud de crédito para reentrenamiento profesional.
savings__saldo positivo de 100 a 500 DM Ahorros entre 100 y 500 Deutsche Marks.
savings__saldo positivo de 500 a 1000 DM Ahorros entre 500 y 1000 Deutsche Marks.
savings__saldo positivo hasta 100 DM Ahorros menores o iguales a 100 Deutsche Marks.
savings__saldo positivo superior a 1000 DM Ahorros superiores a 1000 Deutsche Marks.
savings__sin cuenta de ahorros El solicitante no posee cuenta de ahorros.
employ__desempleado El solicitante está desempleado.
employ__empleado de 1 a 4 años El solicitante ha trabajado entre 1 y 4 años.
employ__empleado de 4 a 7 años El solicitante ha trabajado entre 4 y 7 años.
employ__empleado menos de 1 año El solicitante ha trabajado menos de 1 año.
employ__empleado más de 7 años El solicitante ha trabajado más de 7 años.
others__co-deudor Existe un co-deudor en la solicitud.
others__garante Existe un garante en la solicitud.
others__ninguno No hay co-deudores ni garantes.
property__automóvil Propiedad de un automóvil.
property__bienes inmuebles Propiedad de bienes inmuebles.
property__seguro de vida Propiedad de una póliza de seguro de vida.
property__sin propiedad No posee ninguna propiedad declarada.
otherplans__banco Tiene otros planes financieros en bancos.
otherplans__ninguno No tiene otros planes financieros.
otherplans__tiendas Tiene planes de financiamiento con tiendas.
housing__alquiler Vive en una vivienda alquilada.
housing__gratis Vive en una vivienda sin pagar alquiler.
housing__propietario Es propietario de la vivienda.
job__altamente calificado/funcionario Profesional altamente calificado o funcionario público.
job__calificado Trabajador calificado.
job__desempleado/no calificado Persona desempleada o trabajador no calificado.
job__no calificado residente Trabajador no calificado pero con residencia estable.
telephone__no El solicitante no tiene teléfono.
telephone__sí El solicitante tiene teléfono.
estado_civil__casado/viudo Solicitante casado o viudo.
estado_civil__divorciada/separada/casada Solicitante mujer divorciada, separada o casada.
estado_civil__divorciado/separado Solicitante hombre divorciado o separado.
estado_civil__soltero Solicitante soltero.

Estadística atributos ordinales y nominales

Atributo Tipo Cantidad Valores unicos Mas frecuente Menos frecuente Valores nulos
duration category 800 3 3 1 0
amount category 800 3 1 3 0
installment category 800 4 4 1 0
residence category 800 4 4 1 0
cards category 800 4 1 4 0
liable category 800 2 1 2 0
foreign category 800 2 0 1 0
sexo category 800 2 1 0 0
existingchecking__saldo positivo hasta 200 DM category 800 2 0 1 0
existingchecking__saldo positivo superior a 200 DM category 800 2 0 1 0
existingchecking__sin cuenta corriente category 800 2 0 1 0
existingchecking__sin saldo category 800 2 0 1 0
history__créditos existentes pagados puntualmente hasta ahora category 800 2 1 0 0
history__cuenta crítica/otros créditos existentes (no en este banco) category 800 2 0 1 0
history__no créditos tomados category 800 2 0 1 0
history__retraso en el pago en el pasado category 800 2 0 1 0
history__todos los créditos en este banco devueltos a tiempo category 800 2 0 1 0
purpose__coche nuevo category 800 2 0 1 0
purpose__coche usado category 800 2 0 1 0
purpose__educación category 800 2 0 1 0
purpose__electrodomésticos category 800 2 0 1 0
purpose__muebles/equipo category 800 2 0 1 0
purpose__negocios category 800 2 0 1 0
purpose__otros category 800 2 0 1 0
purpose__radio/TV category 800 2 0 1 0
purpose__reparaciones category 800 2 0 1 0
purpose__retraining category 800 2 0 1 0
savings__saldo positivo de 100 a 500 DM category 800 2 0 1 0
savings__saldo positivo de 500 a 1000 DM category 800 2 0 1 0
savings__saldo positivo hasta 100 DM category 800 2 0 1 0
savings__saldo positivo superior a 1000 DM category 800 2 0 1 0
savings__sin cuenta de ahorros category 800 2 1 0 0
employ__desempleado category 800 2 0 1 0
employ__empleado de 1 a 4 años category 800 2 0 1 0
employ__empleado de 4 a 7 años category 800 2 0 1 0
employ__empleado menos de 1 año category 800 2 0 1 0
employ__empleado más de 7 años category 800 2 0 1 0
others__co-deudor category 800 2 0 1 0
others__garante category 800 2 0 1 0
others__ninguno category 800 2 1 0 0
property__automóvil category 800 2 0 1 0
property__bienes inmuebles category 800 2 0 1 0
property__seguro de vida category 800 2 0 1 0
property__sin propiedad category 800 2 0 1 0
otherplans__banco category 800 2 0 1 0
otherplans__ninguno category 800 2 0 1 0
otherplans__tiendas category 800 2 1 0 0
housing__alquiler category 800 2 0 1 0
housing__gratis category 800 2 0 1 0
housing__propietario category 800 2 1 0 0
job__altamente calificado/funcionario category 800 2 0 1 0
job__calificado category 800 2 1 0 0
job__desempleado/no calificado category 800 2 0 1 0
job__no calificado residente category 800 2 0 1 0
telephone__no category 800 2 1 0 0
telephone__sí category 800 2 0 1 0
estado_civil__casado/viudo category 800 2 0 1 0
estado_civil__divorciada/separada/casada category 800 2 0 1 0
estado_civil__divorciado/separado category 800 2 0 1 0
estado_civil__soltero category 800 2 1 0 0
class category 800 2 1 0 0

Estadística atributos continuos y discretos

Atributo Tipo Cantidad Minimo Mediana Maximo Promedio Desv Std % Nulos % Ceros
age int64 800 20 33.0 75 35.38625 11.37778 0.0 0.0

Gráfico de Distribución de las Variables

Distribución de la Variable Objetivo Distribución de la Variable Objetivo Distribución de la Variable Objetivo Distribución de la Variable Objetivo

Relación entre atributos

attribute1 attribute2 proporcion tipo concern
duration sexo 0.657143 ALTO Alta asociación entre duration=1 y sexo=1 (proporción 0.657), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
duration class 0.885714 ALTO Alta asociación entre duration=1 y class=1 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount sexo 0.617564 ALTO Alta asociación entre amount=1 y sexo=1 (proporción 0.618), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
amount class 0.708215 ALTO Alta asociación entre amount=1 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment sexo 0.533333 ALTO Alta asociación entre installment=1 y sexo=1 (proporción 0.533), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
installment class 0.742857 ALTO Alta asociación entre installment=1 y class=1 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence sexo 0.598131 ALTO Alta asociación entre residence=1 y sexo=1 (proporción 0.598), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
residence class 0.766355 ALTO Alta asociación entre residence=1 y class=1 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age sexo 0.591885 ALTO Alta asociación entre age=(19.945, 33.75] y sexo=1 (proporción 0.592), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
age class 0.644391 ALTO Alta asociación entre age=(19.945, 33.75] y class=1 (proporción 0.644), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards sexo 0.646707 ALTO Alta asociación entre cards=1 y sexo=1 (proporción 0.647), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
cards class 0.678643 ALTO Alta asociación entre cards=1 y class=1 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable sexo 0.641256 ALTO Alta asociación entre liable=1 y sexo=1 (proporción 0.641), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
liable class 0.693572 ALTO Alta asociación entre liable=1 y class=1 (proporción 0.694), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign sexo 0.685233 ALTO Alta asociación entre foreign=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
foreign class 0.693005 ALTO Alta asociación entre foreign=0 y class=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM sexo 0.684474 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y sexo=1 (proporción 0.684), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
existingchecking__saldo positivo hasta 200 DM class 0.732888 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y class=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM sexo 0.687583 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y sexo=1 (proporción 0.688), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
existingchecking__saldo positivo superior a 200 DM class 0.695594 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y class=1 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente sexo 0.697391 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y sexo=1 (proporción 0.697), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
existingchecking__sin cuenta corriente class 0.773913 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y class=1 (proporción 0.774), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo sexo 0.679245 ALTO Alta asociación entre existingchecking__sin saldo=0 y sexo=1 (proporción 0.679), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
existingchecking__sin saldo class 0.576520 ALTO Alta asociación entre existingchecking__sin saldo=0 y class=1 (proporción 0.577), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora sexo 0.733333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y sexo=1 (proporción 0.733), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
history__créditos existentes pagados puntualmente hasta ahora class 0.730667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y class=1 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) sexo 0.671480 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
history__cuenta crítica/otros créditos existentes (no en este banco) class 0.642599 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y class=1 (proporción 0.643), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados sexo 0.685379 ALTO Alta asociación entre history__no créditos tomados=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
history__no créditos tomados class 0.712794 ALTO Alta asociación entre history__no créditos tomados=0 y class=1 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado sexo 0.678426 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y sexo=1 (proporción 0.678), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
history__retraso en el pago en el pasado class 0.702849 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo sexo 0.687500 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y sexo=1 (proporción 0.688), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
history__todos los créditos en este banco devueltos a tiempo class 0.710938 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y class=1 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo sexo 0.691057 ALTO Alta asociación entre purpose__coche nuevo=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__coche nuevo class 0.731707 ALTO Alta asociación entre purpose__coche nuevo=0 y class=1 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado sexo 0.671309 ALTO Alta asociación entre purpose__coche usado=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__coche usado class 0.678273 ALTO Alta asociación entre purpose__coche usado=0 y class=1 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación sexo 0.692005 ALTO Alta asociación entre purpose__educación=0 y sexo=1 (proporción 0.692), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__educación class 0.707733 ALTO Alta asociación entre purpose__educación=0 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos sexo 0.690657 ALTO Alta asociación entre purpose__electrodomésticos=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__electrodomésticos class 0.700758 ALTO Alta asociación entre purpose__electrodomésticos=0 y class=1 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo sexo 0.716923 ALTO Alta asociación entre purpose__muebles/equipo=0 y sexo=1 (proporción 0.717), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__muebles/equipo class 0.706154 ALTO Alta asociación entre purpose__muebles/equipo=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios sexo 0.675900 ALTO Alta asociación entre purpose__negocios=0 y sexo=1 (proporción 0.676), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__negocios class 0.706371 ALTO Alta asociación entre purpose__negocios=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros sexo 0.686869 ALTO Alta asociación entre purpose__otros=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__otros class 0.702020 ALTO Alta asociación entre purpose__otros=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV sexo 0.680000 ALTO Alta asociación entre purpose__radio/TV=0 y sexo=1 (proporción 0.680), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__radio/TV class 0.662609 ALTO Alta asociación entre purpose__radio/TV=0 y class=1 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones sexo 0.684615 ALTO Alta asociación entre purpose__reparaciones=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__reparaciones class 0.702564 ALTO Alta asociación entre purpose__reparaciones=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining sexo 0.687264 ALTO Alta asociación entre purpose__retraining=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
purpose__retraining class 0.698613 ALTO Alta asociación entre purpose__retraining=0 y class=1 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM sexo 0.678191 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y sexo=1 (proporción 0.678), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
savings__saldo positivo de 100 a 500 DM class 0.692819 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y class=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM sexo 0.689791 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
savings__saldo positivo de 500 a 1000 DM class 0.691099 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y class=1 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM sexo 0.690042 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
savings__saldo positivo hasta 100 DM class 0.699860 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y class=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM sexo 0.680492 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y sexo=1 (proporción 0.680), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
savings__saldo positivo superior a 1000 DM class 0.672811 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y class=1 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros sexo 0.712500 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y sexo=1 (proporción 0.713), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
savings__sin cuenta de ahorros class 0.793750 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y class=1 (proporción 0.794), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado sexo 0.689564 ALTO Alta asociación entre employ__desempleado=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
employ__desempleado class 0.705416 ALTO Alta asociación entre employ__desempleado=0 y class=1 (proporción 0.705), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años sexo 0.700935 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y sexo=1 (proporción 0.701), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
employ__empleado de 1 a 4 años class 0.697196 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y class=1 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años sexo 0.677321 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y sexo=1 (proporción 0.677), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
employ__empleado de 4 a 7 años class 0.684932 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y class=1 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año sexo 0.726859 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y sexo=1 (proporción 0.727), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
employ__empleado menos de 1 año class 0.723824 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y class=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años sexo 0.640203 ALTO Alta asociación entre employ__empleado más de 7 años=0 y sexo=1 (proporción 0.640), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
employ__empleado más de 7 años class 0.685811 ALTO Alta asociación entre employ__empleado más de 7 años=0 y class=1 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor sexo 0.687173 ALTO Alta asociación entre others__co-deudor=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
others__co-deudor class 0.708115 ALTO Alta asociación entre others__co-deudor=0 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante sexo 0.689065 ALTO Alta asociación entre others__garante=0 y sexo=1 (proporción 0.689), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
others__garante class 0.691700 ALTO Alta asociación entre others__garante=0 y class=1 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno sexo 0.675325 ALTO Alta asociación entre others__ninguno=0 y sexo=1 (proporción 0.675), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
others__ninguno class 0.701299 ALTO Alta asociación entre others__ninguno=0 y class=1 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil sexo 0.689013 ALTO Alta asociación entre property__automóvil=0 y sexo=1 (proporción 0.689), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
property__automóvil class 0.696462 ALTO Alta asociación entre property__automóvil=0 y class=1 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles sexo 0.694885 ALTO Alta asociación entre property__bienes inmuebles=0 y sexo=1 (proporción 0.695), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
property__bienes inmuebles class 0.670194 ALTO Alta asociación entre property__bienes inmuebles=0 y class=1 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida sexo 0.703764 ALTO Alta asociación entre property__seguro de vida=0 y sexo=1 (proporción 0.704), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
property__seguro de vida class 0.702128 ALTO Alta asociación entre property__seguro de vida=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad sexo 0.665693 ALTO Alta asociación entre property__sin propiedad=0 y sexo=1 (proporción 0.666), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
property__sin propiedad class 0.725547 ALTO Alta asociación entre property__sin propiedad=0 y class=1 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco sexo 0.682477 ALTO Alta asociación entre otherplans__banco=0 y sexo=1 (proporción 0.682), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
otherplans__banco class 0.706192 ALTO Alta asociación entre otherplans__banco=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno sexo 0.683908 ALTO Alta asociación entre otherplans__ninguno=0 y sexo=1 (proporción 0.684), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
otherplans__ninguno class 0.718391 ALTO Alta asociación entre otherplans__ninguno=0 y class=1 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas sexo 0.731034 ALTO Alta asociación entre otherplans__tiendas=0 y sexo=1 (proporción 0.731), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
otherplans__tiendas class 0.579310 ALTO Alta asociación entre otherplans__tiendas=0 y class=1 (proporción 0.579), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler sexo 0.730711 ALTO Alta asociación entre housing__alquiler=0 y sexo=1 (proporción 0.731), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
housing__alquiler class 0.720121 ALTO Alta asociación entre housing__alquiler=0 y class=1 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis sexo 0.668524 ALTO Alta asociación entre housing__gratis=0 y sexo=1 (proporción 0.669), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
housing__gratis class 0.708914 ALTO Alta asociación entre housing__gratis=0 y class=1 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario sexo 0.619910 ALTO Alta asociación entre housing__propietario=0 y sexo=1 (proporción 0.620), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
housing__propietario class 0.610860 ALTO Alta asociación entre housing__propietario=0 y class=1 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario sexo 0.670571 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
job__altamente calificado/funcionario class 0.702782 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado sexo 0.713311 ALTO Alta asociación entre job__calificado=0 y sexo=1 (proporción 0.713), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
job__calificado class 0.686007 ALTO Alta asociación entre job__calificado=0 y class=1 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado sexo 0.690932 ALTO Alta asociación entre job__desempleado/no calificado=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
job__desempleado/no calificado class 0.702427 ALTO Alta asociación entre job__desempleado/no calificado=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente sexo 0.689548 ALTO Alta asociación entre job__no calificado residente=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
job__no calificado residente class 0.700468 ALTO Alta asociación entre job__no calificado residente=0 y class=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no sexo 0.735202 ALTO Alta asociación entre telephone__no=0 y sexo=1 (proporción 0.735), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
telephone__no class 0.725857 ALTO Alta asociación entre telephone__no=0 y class=1 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__sí sexo 0.655532 ALTO Alta asociación entre telephone__sí=0 y sexo=1 (proporción 0.656), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
telephone__sí class 0.682672 ALTO Alta asociación entre telephone__sí=0 y class=1 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__casado/viudo sexo 0.656593 ALTO Alta asociación entre estado_civil__casado/viudo=0 y sexo=1 (proporción 0.657), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
estado_civil__casado/viudo class 0.695055 ALTO Alta asociación entre estado_civil__casado/viudo=0 y class=1 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__divorciada/separada/casada sexo 1.000000 ALTO Alta asociación entre estado_civil__divorciada/separada/casada=0 y sexo=1 (proporción 1.000), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
estado_civil__divorciada/separada/casada class 0.725455 ALTO Alta asociación entre estado_civil__divorciada/separada/casada=0 y class=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__divorciado/separado sexo 0.670185 ALTO Alta asociación entre estado_civil__divorciado/separado=0 y sexo=1 (proporción 0.670), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
estado_civil__divorciado/separado class 0.703166 ALTO Alta asociación entre estado_civil__divorciado/separado=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__soltero sexo 0.686813 ALTO Alta asociación entre estado_civil__soltero=0 y sexo=0 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.
estado_civil__soltero class 0.664835 ALTO Alta asociación entre estado_civil__soltero=0 y class=1 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration amount 0.028571 BAJO Baja asociación entre duration=1 y amount=3 (proporción 0.029), que sugiere baja dependencia entre estos atributos.
duration age 0.046296 BAJO Baja asociación entre duration=2 y age=(61.25, 75.0] (proporción 0.046), que sugiere baja dependencia entre estos atributos.
duration cards 0.000000 BAJO Baja asociación entre duration=1 y cards=4 (proporción 0.000), que sugiere baja dependencia entre estos atributos.
duration liable 0.700000 ALTO Alta asociación entre duration=1 y liable=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration foreign 0.900000 ALTO Alta asociación entre duration=1 y foreign=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration existingchecking__saldo positivo hasta 200 DM 0.814286 ALTO Alta asociación entre duration=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration existingchecking__saldo positivo superior a 200 DM 0.900000 ALTO Alta asociación entre duration=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration existingchecking__sin cuenta corriente 0.728571 ALTO Alta asociación entre duration=1 y existingchecking__sin cuenta corriente=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration existingchecking__sin saldo 0.557143 ALTO Alta asociación entre duration=1 y existingchecking__sin saldo=0 (proporción 0.557), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration history__créditos existentes pagados puntualmente hasta ahora 0.557143 ALTO Alta asociación entre duration=1 y history__créditos existentes pagados puntualmente hasta ahora=0 (proporción 0.557), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration history__cuenta crítica/otros créditos existentes (no en este banco) 0.600000 ALTO Alta asociación entre duration=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.600), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration history__no créditos tomados 0.971429 ALTO Alta asociación entre duration=1 y history__no créditos tomados=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration history__retraso en el pago en el pasado 0.928571 ALTO Alta asociación entre duration=1 y history__retraso en el pago en el pasado=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration history__todos los créditos en este banco devueltos a tiempo 0.942857 ALTO Alta asociación entre duration=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__coche nuevo 0.657143 ALTO Alta asociación entre duration=1 y purpose__coche nuevo=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__coche usado 0.985714 ALTO Alta asociación entre duration=1 y purpose__coche usado=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__educación 0.957143 ALTO Alta asociación entre duration=1 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__electrodomésticos 0.971429 ALTO Alta asociación entre duration=1 y purpose__electrodomésticos=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__muebles/equipo 0.871429 ALTO Alta asociación entre duration=1 y purpose__muebles/equipo=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__negocios 0.985714 ALTO Alta asociación entre duration=1 y purpose__negocios=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__otros 1.000000 ALTO Alta asociación entre duration=1 y purpose__otros=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__radio/TV 0.628571 ALTO Alta asociación entre duration=1 y purpose__radio/TV=0 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__reparaciones 0.971429 ALTO Alta asociación entre duration=1 y purpose__reparaciones=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration purpose__retraining 0.971429 ALTO Alta asociación entre duration=1 y purpose__retraining=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration savings__saldo positivo de 100 a 500 DM 0.900000 ALTO Alta asociación entre duration=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration savings__saldo positivo de 500 a 1000 DM 0.971429 ALTO Alta asociación entre duration=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration savings__saldo positivo hasta 100 DM 0.885714 ALTO Alta asociación entre duration=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration savings__saldo positivo superior a 1000 DM 0.828571 ALTO Alta asociación entre duration=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration savings__sin cuenta de ahorros 0.585714 ALTO Alta asociación entre duration=1 y savings__sin cuenta de ahorros=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration employ__desempleado 0.900000 ALTO Alta asociación entre duration=1 y employ__desempleado=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration employ__empleado de 1 a 4 años 0.700000 ALTO Alta asociación entre duration=1 y employ__empleado de 1 a 4 años=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration employ__empleado de 4 a 7 años 0.828571 ALTO Alta asociación entre duration=1 y employ__empleado de 4 a 7 años=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration employ__empleado menos de 1 año 0.800000 ALTO Alta asociación entre duration=1 y employ__empleado menos de 1 año=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration employ__empleado más de 7 años 0.771429 ALTO Alta asociación entre duration=1 y employ__empleado más de 7 años=0 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration others__co-deudor 1.000000 ALTO Alta asociación entre duration=1 y others__co-deudor=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration others__garante 0.957143 ALTO Alta asociación entre duration=1 y others__garante=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration others__ninguno 0.957143 ALTO Alta asociación entre duration=1 y others__ninguno=1 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration property__automóvil 0.842857 ALTO Alta asociación entre duration=1 y property__automóvil=0 (proporción 0.843), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration property__bienes inmuebles 0.571429 ALTO Alta asociación entre duration=1 y property__bienes inmuebles=0 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration property__seguro de vida 0.685714 ALTO Alta asociación entre duration=1 y property__seguro de vida=0 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration property__sin propiedad 0.900000 ALTO Alta asociación entre duration=1 y property__sin propiedad=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration otherplans__banco 0.957143 ALTO Alta asociación entre duration=1 y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration otherplans__ninguno 0.871429 ALTO Alta asociación entre duration=1 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration otherplans__tiendas 0.828571 ALTO Alta asociación entre duration=1 y otherplans__tiendas=1 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration housing__alquiler 0.828571 ALTO Alta asociación entre duration=1 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration housing__gratis 0.942857 ALTO Alta asociación entre duration=1 y housing__gratis=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration housing__propietario 0.771429 ALTO Alta asociación entre duration=1 y housing__propietario=1 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration job__altamente calificado/funcionario 0.885714 ALTO Alta asociación entre duration=1 y job__altamente calificado/funcionario=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration job__calificado 0.528571 ALTO Alta asociación entre duration=1 y job__calificado=1 (proporción 0.529), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration job__desempleado/no calificado 0.942857 ALTO Alta asociación entre duration=1 y job__desempleado/no calificado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration job__no calificado residente 0.700000 ALTO Alta asociación entre duration=1 y job__no calificado residente=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration telephone__no 0.714286 ALTO Alta asociación entre duration=1 y telephone__no=1 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration telephone__sí 0.714286 ALTO Alta asociación entre duration=1 y telephone__sí=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration estado_civil__casado/viudo 0.828571 ALTO Alta asociación entre duration=1 y estado_civil__casado/viudo=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration estado_civil__divorciada/separada/casada 0.657143 ALTO Alta asociación entre duration=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration estado_civil__divorciado/separado 0.942857 ALTO Alta asociación entre duration=1 y estado_civil__divorciado/separado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
duration estado_civil__soltero 0.571429 ALTO Alta asociación entre duration=1 y estado_civil__soltero=0 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount age 0.022727 BAJO Baja asociación entre amount=2 y age=(61.25, 75.0] (proporción 0.023), que sugiere baja dependencia entre estos atributos.
amount cards 0.033994 BAJO Baja asociación entre amount=1 y cards=3 (proporción 0.034), que sugiere baja dependencia entre estos atributos.
amount liable 0.849858 ALTO Alta asociación entre amount=1 y liable=1 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount foreign 0.949008 ALTO Alta asociación entre amount=1 y foreign=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount existingchecking__saldo positivo hasta 200 DM 0.764873 ALTO Alta asociación entre amount=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount existingchecking__saldo positivo superior a 200 DM 0.915014 ALTO Alta asociación entre amount=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount existingchecking__sin cuenta corriente 0.728045 ALTO Alta asociación entre amount=1 y existingchecking__sin cuenta corriente=0 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount existingchecking__sin saldo 0.592068 ALTO Alta asociación entre amount=1 y existingchecking__sin saldo=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount history__créditos existentes pagados puntualmente hasta ahora 0.543909 ALTO Alta asociación entre amount=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount history__cuenta crítica/otros créditos existentes (no en este banco) 0.671388 ALTO Alta asociación entre amount=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount history__no créditos tomados 0.977337 ALTO Alta asociación entre amount=1 y history__no créditos tomados=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount history__retraso en el pago en el pasado 0.940510 ALTO Alta asociación entre amount=1 y history__retraso en el pago en el pasado=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount history__todos los créditos en este banco devueltos a tiempo 0.954674 ALTO Alta asociación entre amount=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__coche nuevo 0.733711 ALTO Alta asociación entre amount=1 y purpose__coche nuevo=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__coche usado 0.988669 ALTO Alta asociación entre amount=1 y purpose__coche usado=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__educación 0.934844 ALTO Alta asociación entre amount=1 y purpose__educación=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__electrodomésticos 0.980170 ALTO Alta asociación entre amount=1 y purpose__electrodomésticos=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__muebles/equipo 0.861190 ALTO Alta asociación entre amount=1 y purpose__muebles/equipo=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__negocios 0.932011 ALTO Alta asociación entre amount=1 y purpose__negocios=0 (proporción 0.932), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__otros 0.991501 ALTO Alta asociación entre amount=1 y purpose__otros=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__radio/TV 0.631728 ALTO Alta asociación entre amount=1 y purpose__radio/TV=0 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__reparaciones 0.966006 ALTO Alta asociación entre amount=1 y purpose__reparaciones=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount purpose__retraining 0.980170 ALTO Alta asociación entre amount=1 y purpose__retraining=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount savings__saldo positivo de 100 a 500 DM 0.934844 ALTO Alta asociación entre amount=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount savings__saldo positivo de 500 a 1000 DM 0.943343 ALTO Alta asociación entre amount=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount savings__saldo positivo hasta 100 DM 0.895184 ALTO Alta asociación entre amount=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount savings__saldo positivo superior a 1000 DM 0.838527 ALTO Alta asociación entre amount=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.839), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount savings__sin cuenta de ahorros 0.611898 ALTO Alta asociación entre amount=1 y savings__sin cuenta de ahorros=1 (proporción 0.612), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount employ__desempleado 0.943343 ALTO Alta asociación entre amount=1 y employ__desempleado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount employ__empleado de 1 a 4 años 0.662890 ALTO Alta asociación entre amount=1 y employ__empleado de 1 a 4 años=0 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount employ__empleado de 4 a 7 años 0.841360 ALTO Alta asociación entre amount=1 y employ__empleado de 4 a 7 años=0 (proporción 0.841), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount employ__empleado menos de 1 año 0.818697 ALTO Alta asociación entre amount=1 y employ__empleado menos de 1 año=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount employ__empleado más de 7 años 0.733711 ALTO Alta asociación entre amount=1 y employ__empleado más de 7 años=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount others__co-deudor 0.980170 ALTO Alta asociación entre amount=1 y others__co-deudor=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount others__garante 0.937677 ALTO Alta asociación entre amount=1 y others__garante=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount others__ninguno 0.917847 ALTO Alta asociación entre amount=1 y others__ninguno=1 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount property__automóvil 0.739377 ALTO Alta asociación entre amount=1 y property__automóvil=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount property__bienes inmuebles 0.606232 ALTO Alta asociación entre amount=1 y property__bienes inmuebles=0 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount property__seguro de vida 0.762040 ALTO Alta asociación entre amount=1 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount property__sin propiedad 0.892351 ALTO Alta asociación entre amount=1 y property__sin propiedad=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount otherplans__banco 0.954674 ALTO Alta asociación entre amount=1 y otherplans__banco=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount otherplans__ninguno 0.881020 ALTO Alta asociación entre amount=1 y otherplans__ninguno=0 (proporción 0.881), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount otherplans__tiendas 0.835694 ALTO Alta asociación entre amount=1 y otherplans__tiendas=1 (proporción 0.836), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount housing__alquiler 0.838527 ALTO Alta asociación entre amount=1 y housing__alquiler=0 (proporción 0.839), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount housing__gratis 0.917847 ALTO Alta asociación entre amount=1 y housing__gratis=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount housing__propietario 0.756374 ALTO Alta asociación entre amount=1 y housing__propietario=1 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount job__altamente calificado/funcionario 0.915014 ALTO Alta asociación entre amount=1 y job__altamente calificado/funcionario=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount job__calificado 0.606232 ALTO Alta asociación entre amount=1 y job__calificado=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount job__desempleado/no calificado 0.963173 ALTO Alta asociación entre amount=1 y job__desempleado/no calificado=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount job__no calificado residente 0.728045 ALTO Alta asociación entre amount=1 y job__no calificado residente=0 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount telephone__no 0.688385 ALTO Alta asociación entre amount=1 y telephone__no=1 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount telephone__sí 0.688385 ALTO Alta asociación entre amount=1 y telephone__sí=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount estado_civil__casado/viudo 0.861190 ALTO Alta asociación entre amount=1 y estado_civil__casado/viudo=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount estado_civil__divorciada/separada/casada 0.617564 ALTO Alta asociación entre amount=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.618), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount estado_civil__divorciado/separado 0.966006 ALTO Alta asociación entre amount=1 y estado_civil__divorciado/separado=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
amount estado_civil__soltero 0.555241 ALTO Alta asociación entre amount=1 y estado_civil__soltero=0 (proporción 0.555), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment age 0.047619 BAJO Baja asociación entre installment=1 y age=(61.25, 75.0] (proporción 0.048), que sugiere baja dependencia entre estos atributos.
installment cards 0.038095 BAJO Baja asociación entre installment=1 y cards=3 (proporción 0.038), que sugiere baja dependencia entre estos atributos.
installment liable 0.771429 ALTO Alta asociación entre installment=1 y liable=1 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment foreign 0.904762 ALTO Alta asociación entre installment=1 y foreign=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment existingchecking__saldo positivo hasta 200 DM 0.695238 ALTO Alta asociación entre installment=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment existingchecking__saldo positivo superior a 200 DM 0.933333 ALTO Alta asociación entre installment=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment existingchecking__sin cuenta corriente 0.733333 ALTO Alta asociación entre installment=1 y existingchecking__sin cuenta corriente=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment existingchecking__sin saldo 0.638095 ALTO Alta asociación entre installment=1 y existingchecking__sin saldo=0 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment history__créditos existentes pagados puntualmente hasta ahora 0.542857 ALTO Alta asociación entre installment=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment history__cuenta crítica/otros créditos existentes (no en este banco) 0.752381 ALTO Alta asociación entre installment=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment history__no créditos tomados 0.952381 ALTO Alta asociación entre installment=1 y history__no créditos tomados=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment history__retraso en el pago en el pasado 0.904762 ALTO Alta asociación entre installment=1 y history__retraso en el pago en el pasado=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment history__todos los créditos en este banco devueltos a tiempo 0.933333 ALTO Alta asociación entre installment=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__coche nuevo 0.666667 ALTO Alta asociación entre installment=1 y purpose__coche nuevo=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__coche usado 0.847619 ALTO Alta asociación entre installment=1 y purpose__coche usado=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__educación 0.980952 ALTO Alta asociación entre installment=1 y purpose__educación=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__electrodomésticos 0.980952 ALTO Alta asociación entre installment=1 y purpose__electrodomésticos=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__muebles/equipo 0.790476 ALTO Alta asociación entre installment=1 y purpose__muebles/equipo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__negocios 0.914286 ALTO Alta asociación entre installment=1 y purpose__negocios=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__otros 0.990476 ALTO Alta asociación entre installment=1 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__radio/TV 0.847619 ALTO Alta asociación entre installment=1 y purpose__radio/TV=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__reparaciones 0.990476 ALTO Alta asociación entre installment=1 y purpose__reparaciones=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment purpose__retraining 0.990476 ALTO Alta asociación entre installment=1 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment savings__saldo positivo de 100 a 500 DM 0.942857 ALTO Alta asociación entre installment=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment savings__saldo positivo de 500 a 1000 DM 0.971429 ALTO Alta asociación entre installment=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment savings__saldo positivo hasta 100 DM 0.895238 ALTO Alta asociación entre installment=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment savings__saldo positivo superior a 1000 DM 0.761905 ALTO Alta asociación entre installment=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment savings__sin cuenta de ahorros 0.571429 ALTO Alta asociación entre installment=1 y savings__sin cuenta de ahorros=1 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment employ__desempleado 0.923810 ALTO Alta asociación entre installment=1 y employ__desempleado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment employ__empleado de 1 a 4 años 0.628571 ALTO Alta asociación entre installment=1 y employ__empleado de 1 a 4 años=0 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment employ__empleado de 4 a 7 años 0.904762 ALTO Alta asociación entre installment=1 y employ__empleado de 4 a 7 años=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment employ__empleado menos de 1 año 0.742857 ALTO Alta asociación entre installment=1 y employ__empleado menos de 1 año=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment employ__empleado más de 7 años 0.800000 ALTO Alta asociación entre installment=1 y employ__empleado más de 7 años=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment others__co-deudor 0.961905 ALTO Alta asociación entre installment=1 y others__co-deudor=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment others__garante 0.923810 ALTO Alta asociación entre installment=1 y others__garante=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment others__ninguno 0.885714 ALTO Alta asociación entre installment=1 y others__ninguno=1 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment property__automóvil 0.714286 ALTO Alta asociación entre installment=1 y property__automóvil=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment property__bienes inmuebles 0.647619 ALTO Alta asociación entre installment=1 y property__bienes inmuebles=0 (proporción 0.648), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment property__seguro de vida 0.723810 ALTO Alta asociación entre installment=1 y property__seguro de vida=0 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment property__sin propiedad 0.914286 ALTO Alta asociación entre installment=1 y property__sin propiedad=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment otherplans__banco 0.961905 ALTO Alta asociación entre installment=1 y otherplans__banco=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment otherplans__ninguno 0.857143 ALTO Alta asociación entre installment=1 y otherplans__ninguno=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment otherplans__tiendas 0.819048 ALTO Alta asociación entre installment=1 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment housing__alquiler 0.780952 ALTO Alta asociación entre installment=1 y housing__alquiler=0 (proporción 0.781), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment housing__gratis 0.952381 ALTO Alta asociación entre installment=1 y housing__gratis=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment housing__propietario 0.733333 ALTO Alta asociación entre installment=1 y housing__propietario=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment job__altamente calificado/funcionario 0.885714 ALTO Alta asociación entre installment=1 y job__altamente calificado/funcionario=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment job__calificado 0.590476 ALTO Alta asociación entre installment=1 y job__calificado=1 (proporción 0.590), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment job__desempleado/no calificado 0.952381 ALTO Alta asociación entre installment=1 y job__desempleado/no calificado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment job__no calificado residente 0.752381 ALTO Alta asociación entre installment=1 y job__no calificado residente=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment telephone__no 0.609524 ALTO Alta asociación entre installment=1 y telephone__no=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment telephone__sí 0.609524 ALTO Alta asociación entre installment=1 y telephone__sí=0 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment estado_civil__casado/viudo 0.904762 ALTO Alta asociación entre installment=1 y estado_civil__casado/viudo=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment estado_civil__divorciada/separada/casada 0.533333 ALTO Alta asociación entre installment=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.533), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment estado_civil__divorciado/separado 0.904762 ALTO Alta asociación entre installment=1 y estado_civil__divorciado/separado=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
installment estado_civil__soltero 0.657143 ALTO Alta asociación entre installment=1 y estado_civil__soltero=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence age 0.018692 BAJO Baja asociación entre residence=1 y age=(47.5, 61.25] (proporción 0.019), que sugiere baja dependencia entre estos atributos.
residence cards 0.028037 BAJO Baja asociación entre residence=1 y cards=3 (proporción 0.028), que sugiere baja dependencia entre estos atributos.
residence liable 0.869159 ALTO Alta asociación entre residence=1 y liable=1 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence foreign 0.971963 ALTO Alta asociación entre residence=1 y foreign=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence existingchecking__saldo positivo hasta 200 DM 0.691589 ALTO Alta asociación entre residence=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence existingchecking__saldo positivo superior a 200 DM 0.906542 ALTO Alta asociación entre residence=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence existingchecking__sin cuenta corriente 0.728972 ALTO Alta asociación entre residence=1 y existingchecking__sin cuenta corriente=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence existingchecking__sin saldo 0.672897 ALTO Alta asociación entre residence=1 y existingchecking__sin saldo=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence history__créditos existentes pagados puntualmente hasta ahora 0.616822 ALTO Alta asociación entre residence=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.617), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence history__cuenta crítica/otros créditos existentes (no en este banco) 0.775701 ALTO Alta asociación entre residence=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence history__no créditos tomados 0.943925 ALTO Alta asociación entre residence=1 y history__no créditos tomados=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence history__retraso en el pago en el pasado 0.925234 ALTO Alta asociación entre residence=1 y history__retraso en el pago en el pasado=0 (proporción 0.925), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence history__todos los créditos en este banco devueltos a tiempo 0.971963 ALTO Alta asociación entre residence=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__coche nuevo 0.813084 ALTO Alta asociación entre residence=1 y purpose__coche nuevo=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__coche usado 0.953271 ALTO Alta asociación entre residence=1 y purpose__coche usado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__educación 0.943925 ALTO Alta asociación entre residence=1 y purpose__educación=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__electrodomésticos 0.981308 ALTO Alta asociación entre residence=1 y purpose__electrodomésticos=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__muebles/equipo 0.785047 ALTO Alta asociación entre residence=1 y purpose__muebles/equipo=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__negocios 0.869159 ALTO Alta asociación entre residence=1 y purpose__negocios=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__otros 1.000000 ALTO Alta asociación entre residence=1 y purpose__otros=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__radio/TV 0.682243 ALTO Alta asociación entre residence=1 y purpose__radio/TV=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__reparaciones 0.971963 ALTO Alta asociación entre residence=1 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence purpose__retraining 1.000000 ALTO Alta asociación entre residence=1 y purpose__retraining=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence savings__saldo positivo de 100 a 500 DM 0.953271 ALTO Alta asociación entre residence=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence savings__saldo positivo de 500 a 1000 DM 0.981308 ALTO Alta asociación entre residence=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence savings__saldo positivo hasta 100 DM 0.906542 ALTO Alta asociación entre residence=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence savings__saldo positivo superior a 1000 DM 0.897196 ALTO Alta asociación entre residence=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence savings__sin cuenta de ahorros 0.738318 ALTO Alta asociación entre residence=1 y savings__sin cuenta de ahorros=1 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence employ__desempleado 0.971963 ALTO Alta asociación entre residence=1 y employ__desempleado=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence employ__empleado de 1 a 4 años 0.775701 ALTO Alta asociación entre residence=1 y employ__empleado de 1 a 4 años=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence employ__empleado de 4 a 7 años 0.747664 ALTO Alta asociación entre residence=1 y employ__empleado de 4 a 7 años=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence employ__empleado menos de 1 año 0.588785 ALTO Alta asociación entre residence=1 y employ__empleado menos de 1 año=0 (proporción 0.589), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence employ__empleado más de 7 años 0.915888 ALTO Alta asociación entre residence=1 y employ__empleado más de 7 años=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence others__co-deudor 0.953271 ALTO Alta asociación entre residence=1 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence others__garante 0.943925 ALTO Alta asociación entre residence=1 y others__garante=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence others__ninguno 0.897196 ALTO Alta asociación entre residence=1 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence property__automóvil 0.728972 ALTO Alta asociación entre residence=1 y property__automóvil=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence property__bienes inmuebles 0.635514 ALTO Alta asociación entre residence=1 y property__bienes inmuebles=0 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence property__seguro de vida 0.738318 ALTO Alta asociación entre residence=1 y property__seguro de vida=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence property__sin propiedad 0.897196 ALTO Alta asociación entre residence=1 y property__sin propiedad=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence otherplans__banco 0.934579 ALTO Alta asociación entre residence=1 y otherplans__banco=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence otherplans__ninguno 0.887850 ALTO Alta asociación entre residence=1 y otherplans__ninguno=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence otherplans__tiendas 0.822430 ALTO Alta asociación entre residence=1 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence housing__alquiler 0.915888 ALTO Alta asociación entre residence=1 y housing__alquiler=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence housing__gratis 0.962617 ALTO Alta asociación entre residence=1 y housing__gratis=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence housing__propietario 0.878505 ALTO Alta asociación entre residence=1 y housing__propietario=1 (proporción 0.879), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence job__altamente calificado/funcionario 0.887850 ALTO Alta asociación entre residence=1 y job__altamente calificado/funcionario=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence job__calificado 0.644860 ALTO Alta asociación entre residence=1 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence job__desempleado/no calificado 0.953271 ALTO Alta asociación entre residence=1 y job__desempleado/no calificado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence job__no calificado residente 0.803738 ALTO Alta asociación entre residence=1 y job__no calificado residente=0 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence telephone__no 0.682243 ALTO Alta asociación entre residence=1 y telephone__no=1 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence telephone__sí 0.682243 ALTO Alta asociación entre residence=1 y telephone__sí=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence estado_civil__casado/viudo 0.915888 ALTO Alta asociación entre residence=1 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence estado_civil__divorciada/separada/casada 0.598131 ALTO Alta asociación entre residence=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence estado_civil__divorciado/separado 0.934579 ALTO Alta asociación entre residence=1 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
residence estado_civil__soltero 0.551402 ALTO Alta asociación entre residence=1 y estado_civil__soltero=0 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age cards 0.007160 BAJO Baja asociación entre age=(19.945, 33.75] y cards=3 (proporción 0.007), que sugiere baja dependencia entre estos atributos.
age liable 0.909308 ALTO Alta asociación entre age=(19.945, 33.75] y liable=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age foreign 0.961814 ALTO Alta asociación entre age=(19.945, 33.75] y foreign=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age existingchecking__saldo positivo hasta 200 DM 0.718377 ALTO Alta asociación entre age=(19.945, 33.75] y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age existingchecking__saldo positivo superior a 200 DM 0.947494 ALTO Alta asociación entre age=(19.945, 33.75] y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age existingchecking__sin cuenta corriente 0.708831 ALTO Alta asociación entre age=(19.945, 33.75] y existingchecking__sin cuenta corriente=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age existingchecking__sin saldo 0.625298 ALTO Alta asociación entre age=(19.945, 33.75] y existingchecking__sin saldo=0 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age history__créditos existentes pagados puntualmente hasta ahora 0.606205 ALTO Alta asociación entre age=(19.945, 33.75] y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age history__cuenta crítica/otros créditos existentes (no en este banco) 0.780430 ALTO Alta asociación entre age=(19.945, 33.75] y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.780), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age history__no créditos tomados 0.945107 ALTO Alta asociación entre age=(19.945, 33.75] y history__no créditos tomados=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age history__retraso en el pago en el pasado 0.918854 ALTO Alta asociación entre age=(19.945, 33.75] y history__retraso en el pago en el pasado=0 (proporción 0.919), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age history__todos los créditos en este banco devueltos a tiempo 0.961814 ALTO Alta asociación entre age=(19.945, 33.75] y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__coche nuevo 0.797136 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__coche nuevo=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__coche usado 0.921241 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__coche usado=0 (proporción 0.921), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__educación 0.964200 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__educación=0 (proporción 0.964), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__electrodomésticos 0.988067 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__electrodomésticos=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__muebles/equipo 0.780430 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__muebles/equipo=0 (proporción 0.780), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__negocios 0.892601 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__negocios=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__otros 0.990453 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__radio/TV 0.699284 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__radio/TV=0 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__reparaciones 0.973747 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age purpose__retraining 0.992840 ALTO Alta asociación entre age=(19.945, 33.75] y purpose__retraining=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age savings__saldo positivo de 100 a 500 DM 0.949881 ALTO Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age savings__saldo positivo de 500 a 1000 DM 0.966587 ALTO Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.967), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age savings__saldo positivo hasta 100 DM 0.866348 ALTO Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo hasta 100 DM=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age savings__saldo positivo superior a 1000 DM 0.849642 ALTO Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo superior a 1000 DM=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age savings__sin cuenta de ahorros 0.632458 ALTO Alta asociación entre age=(19.945, 33.75] y savings__sin cuenta de ahorros=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age employ__desempleado 0.959427 ALTO Alta asociación entre age=(19.945, 33.75] y employ__desempleado=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age employ__empleado de 1 a 4 años 0.594272 ALTO Alta asociación entre age=(19.945, 33.75] y employ__empleado de 1 a 4 años=0 (proporción 0.594), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age employ__empleado de 4 a 7 años 0.806683 ALTO Alta asociación entre age=(19.945, 33.75] y employ__empleado de 4 a 7 años=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age employ__empleado menos de 1 año 0.747017 ALTO Alta asociación entre age=(19.945, 33.75] y employ__empleado menos de 1 año=0 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age employ__empleado más de 7 años 0.892601 ALTO Alta asociación entre age=(19.945, 33.75] y employ__empleado más de 7 años=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age others__co-deudor 0.949881 ALTO Alta asociación entre age=(19.945, 33.75] y others__co-deudor=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age others__garante 0.947494 ALTO Alta asociación entre age=(19.945, 33.75] y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age others__ninguno 0.897375 ALTO Alta asociación entre age=(19.945, 33.75] y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age property__automóvil 0.620525 ALTO Alta asociación entre age=(19.945, 33.75] y property__automóvil=0 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age property__bienes inmuebles 0.711217 ALTO Alta asociación entre age=(19.945, 33.75] y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age property__seguro de vida 0.751790 ALTO Alta asociación entre age=(19.945, 33.75] y property__seguro de vida=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age property__sin propiedad 0.916468 ALTO Alta asociación entre age=(19.945, 33.75] y property__sin propiedad=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age otherplans__banco 0.957041 ALTO Alta asociación entre age=(19.945, 33.75] y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age otherplans__ninguno 0.868735 ALTO Alta asociación entre age=(19.945, 33.75] y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age otherplans__tiendas 0.825776 ALTO Alta asociación entre age=(19.945, 33.75] y otherplans__tiendas=1 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age housing__alquiler 0.766110 ALTO Alta asociación entre age=(19.945, 33.75] y housing__alquiler=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age housing__gratis 0.964200 ALTO Alta asociación entre age=(19.945, 33.75] y housing__gratis=0 (proporción 0.964), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age housing__propietario 0.730310 ALTO Alta asociación entre age=(19.945, 33.75] y housing__propietario=1 (proporción 0.730), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age job__altamente calificado/funcionario 0.892601 ALTO Alta asociación entre age=(19.945, 33.75] y job__altamente calificado/funcionario=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age job__calificado 0.692124 ALTO Alta asociación entre age=(19.945, 33.75] y job__calificado=1 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age job__desempleado/no calificado 0.983294 ALTO Alta asociación entre age=(19.945, 33.75] y job__desempleado/no calificado=0 (proporción 0.983), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age job__no calificado residente 0.816229 ALTO Alta asociación entre age=(19.945, 33.75] y job__no calificado residente=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age telephone__no 0.682578 ALTO Alta asociación entre age=(19.945, 33.75] y telephone__no=1 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age telephone__sí 0.682578 ALTO Alta asociación entre age=(19.945, 33.75] y telephone__sí=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age estado_civil__casado/viudo 0.866348 ALTO Alta asociación entre age=(19.945, 33.75] y estado_civil__casado/viudo=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age estado_civil__divorciada/separada/casada 0.591885 ALTO Alta asociación entre age=(19.945, 33.75] y estado_civil__divorciada/separada/casada=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age estado_civil__divorciado/separado 0.959427 ALTO Alta asociación entre age=(19.945, 33.75] y estado_civil__divorciado/separado=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
age estado_civil__soltero 0.582339 ALTO Alta asociación entre age=(19.945, 33.75] y estado_civil__soltero=0 (proporción 0.582), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards liable 0.864271 ALTO Alta asociación entre cards=1 y liable=1 (proporción 0.864), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards foreign 0.958084 ALTO Alta asociación entre cards=1 y foreign=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards existingchecking__saldo positivo hasta 200 DM 0.732535 ALTO Alta asociación entre cards=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards existingchecking__saldo positivo superior a 200 DM 0.926148 ALTO Alta asociación entre cards=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.926), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards existingchecking__sin cuenta corriente 0.702595 ALTO Alta asociación entre cards=1 y existingchecking__sin cuenta corriente=0 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards existingchecking__sin saldo 0.638723 ALTO Alta asociación entre cards=1 y existingchecking__sin saldo=0 (proporción 0.639), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards history__créditos existentes pagados puntualmente hasta ahora 0.776447 ALTO Alta asociación entre cards=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards history__cuenta crítica/otros créditos existentes (no en este banco) 0.886228 ALTO Alta asociación entre cards=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards history__no créditos tomados 0.980040 ALTO Alta asociación entre cards=1 y history__no créditos tomados=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards history__retraso en el pago en el pasado 0.962076 ALTO Alta asociación entre cards=1 y history__retraso en el pago en el pasado=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards history__todos los créditos en este banco devueltos a tiempo 0.948104 ALTO Alta asociación entre cards=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__coche nuevo 0.774451 ALTO Alta asociación entre cards=1 y purpose__coche nuevo=0 (proporción 0.774), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__coche usado 0.902196 ALTO Alta asociación entre cards=1 y purpose__coche usado=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__educación 0.950100 ALTO Alta asociación entre cards=1 y purpose__educación=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__electrodomésticos 0.984032 ALTO Alta asociación entre cards=1 y purpose__electrodomésticos=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__muebles/equipo 0.790419 ALTO Alta asociación entre cards=1 y purpose__muebles/equipo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__negocios 0.924152 ALTO Alta asociación entre cards=1 y purpose__negocios=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__otros 0.992016 ALTO Alta asociación entre cards=1 y purpose__otros=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__radio/TV 0.708583 ALTO Alta asociación entre cards=1 y purpose__radio/TV=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__reparaciones 0.982036 ALTO Alta asociación entre cards=1 y purpose__reparaciones=0 (proporción 0.982), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards purpose__retraining 0.992016 ALTO Alta asociación entre cards=1 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards savings__saldo positivo de 100 a 500 DM 0.930140 ALTO Alta asociación entre cards=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.930), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards savings__saldo positivo de 500 a 1000 DM 0.962076 ALTO Alta asociación entre cards=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards savings__saldo positivo hasta 100 DM 0.888224 ALTO Alta asociación entre cards=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards savings__saldo positivo superior a 1000 DM 0.808383 ALTO Alta asociación entre cards=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards savings__sin cuenta de ahorros 0.588822 ALTO Alta asociación entre cards=1 y savings__sin cuenta de ahorros=1 (proporción 0.589), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards employ__desempleado 0.948104 ALTO Alta asociación entre cards=1 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards employ__empleado de 1 a 4 años 0.648703 ALTO Alta asociación entre cards=1 y employ__empleado de 1 a 4 años=0 (proporción 0.649), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards employ__empleado de 4 a 7 años 0.832335 ALTO Alta asociación entre cards=1 y employ__empleado de 4 a 7 años=0 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards employ__empleado menos de 1 año 0.800399 ALTO Alta asociación entre cards=1 y employ__empleado menos de 1 año=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards employ__empleado más de 7 años 0.770459 ALTO Alta asociación entre cards=1 y employ__empleado más de 7 años=0 (proporción 0.770), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards others__co-deudor 0.958084 ALTO Alta asociación entre cards=1 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards others__garante 0.942116 ALTO Alta asociación entre cards=1 y others__garante=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards others__ninguno 0.900200 ALTO Alta asociación entre cards=1 y others__ninguno=1 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards property__automóvil 0.672655 ALTO Alta asociación entre cards=1 y property__automóvil=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards property__bienes inmuebles 0.710579 ALTO Alta asociación entre cards=1 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards property__seguro de vida 0.764471 ALTO Alta asociación entre cards=1 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards property__sin propiedad 0.852295 ALTO Alta asociación entre cards=1 y property__sin propiedad=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards otherplans__banco 0.954092 ALTO Alta asociación entre cards=1 y otherplans__banco=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards otherplans__ninguno 0.878244 ALTO Alta asociación entre cards=1 y otherplans__ninguno=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards otherplans__tiendas 0.832335 ALTO Alta asociación entre cards=1 y otherplans__tiendas=1 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards housing__alquiler 0.810379 ALTO Alta asociación entre cards=1 y housing__alquiler=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards housing__gratis 0.892216 ALTO Alta asociación entre cards=1 y housing__gratis=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards housing__propietario 0.702595 ALTO Alta asociación entre cards=1 y housing__propietario=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards job__altamente calificado/funcionario 0.842315 ALTO Alta asociación entre cards=1 y job__altamente calificado/funcionario=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards job__calificado 0.624750 ALTO Alta asociación entre cards=1 y job__calificado=1 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards job__desempleado/no calificado 0.984032 ALTO Alta asociación entre cards=1 y job__desempleado/no calificado=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards job__no calificado residente 0.798403 ALTO Alta asociación entre cards=1 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards telephone__no 0.610778 ALTO Alta asociación entre cards=1 y telephone__no=1 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards telephone__sí 0.610778 ALTO Alta asociación entre cards=1 y telephone__sí=0 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards estado_civil__casado/viudo 0.902196 ALTO Alta asociación entre cards=1 y estado_civil__casado/viudo=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards estado_civil__divorciada/separada/casada 0.646707 ALTO Alta asociación entre cards=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.647), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards estado_civil__divorciado/separado 0.950100 ALTO Alta asociación entre cards=1 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
cards estado_civil__soltero 0.500998 ALTO Alta asociación entre cards=1 y estado_civil__soltero=0 (proporción 0.501), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable foreign 0.970105 ALTO Alta asociación entre liable=1 y foreign=0 (proporción 0.970), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable existingchecking__saldo positivo hasta 200 DM 0.738416 ALTO Alta asociación entre liable=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable existingchecking__saldo positivo superior a 200 DM 0.934230 ALTO Alta asociación entre liable=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable existingchecking__sin cuenta corriente 0.732436 ALTO Alta asociación entre liable=1 y existingchecking__sin cuenta corriente=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable existingchecking__sin saldo 0.594918 ALTO Alta asociación entre liable=1 y existingchecking__sin saldo=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable history__créditos existentes pagados puntualmente hasta ahora 0.550075 ALTO Alta asociación entre liable=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.550), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable history__cuenta crítica/otros créditos existentes (no en este banco) 0.701046 ALTO Alta asociación entre liable=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable history__no créditos tomados 0.959641 ALTO Alta asociación entre liable=1 y history__no créditos tomados=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable history__retraso en el pago en el pasado 0.923767 ALTO Alta asociación entre liable=1 y history__retraso en el pago en el pasado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable history__todos los créditos en este banco devueltos a tiempo 0.965620 ALTO Alta asociación entre liable=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__coche nuevo 0.787743 ALTO Alta asociación entre liable=1 y purpose__coche nuevo=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__coche usado 0.907324 ALTO Alta asociación entre liable=1 y purpose__coche usado=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__educación 0.956652 ALTO Alta asociación entre liable=1 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__electrodomésticos 0.988042 ALTO Alta asociación entre liable=1 y purpose__electrodomésticos=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__muebles/equipo 0.796712 ALTO Alta asociación entre liable=1 y purpose__muebles/equipo=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__negocios 0.901345 ALTO Alta asociación entre liable=1 y purpose__negocios=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__otros 0.991031 ALTO Alta asociación entre liable=1 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__radio/TV 0.704036 ALTO Alta asociación entre liable=1 y purpose__radio/TV=0 (proporción 0.704), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__reparaciones 0.976084 ALTO Alta asociación entre liable=1 y purpose__reparaciones=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable purpose__retraining 0.991031 ALTO Alta asociación entre liable=1 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable savings__saldo positivo de 100 a 500 DM 0.937220 ALTO Alta asociación entre liable=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable savings__saldo positivo de 500 a 1000 DM 0.955157 ALTO Alta asociación entre liable=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable savings__saldo positivo hasta 100 DM 0.890882 ALTO Alta asociación entre liable=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable savings__saldo positivo superior a 1000 DM 0.822123 ALTO Alta asociación entre liable=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable savings__sin cuenta de ahorros 0.605381 ALTO Alta asociación entre liable=1 y savings__sin cuenta de ahorros=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable employ__desempleado 0.944694 ALTO Alta asociación entre liable=1 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable employ__empleado de 1 a 4 años 0.657698 ALTO Alta asociación entre liable=1 y employ__empleado de 1 a 4 años=0 (proporción 0.658), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable employ__empleado de 4 a 7 años 0.828102 ALTO Alta asociación entre liable=1 y employ__empleado de 4 a 7 años=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable employ__empleado menos de 1 año 0.814649 ALTO Alta asociación entre liable=1 y employ__empleado menos de 1 año=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable employ__empleado más de 7 años 0.754858 ALTO Alta asociación entre liable=1 y employ__empleado más de 7 años=0 (proporción 0.755), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable others__co-deudor 0.952167 ALTO Alta asociación entre liable=1 y others__co-deudor=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable others__garante 0.955157 ALTO Alta asociación entre liable=1 y others__garante=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable others__ninguno 0.907324 ALTO Alta asociación entre liable=1 y others__ninguno=1 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable property__automóvil 0.656203 ALTO Alta asociación entre liable=1 y property__automóvil=0 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable property__bienes inmuebles 0.711510 ALTO Alta asociación entre liable=1 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable property__seguro de vida 0.763827 ALTO Alta asociación entre liable=1 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable property__sin propiedad 0.868460 ALTO Alta asociación entre liable=1 y property__sin propiedad=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable otherplans__banco 0.950673 ALTO Alta asociación entre liable=1 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable otherplans__ninguno 0.881913 ALTO Alta asociación entre liable=1 y otherplans__ninguno=0 (proporción 0.882), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable otherplans__tiendas 0.832586 ALTO Alta asociación entre liable=1 y otherplans__tiendas=1 (proporción 0.833), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable housing__alquiler 0.817638 ALTO Alta asociación entre liable=1 y housing__alquiler=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable housing__gratis 0.914798 ALTO Alta asociación entre liable=1 y housing__gratis=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable housing__propietario 0.732436 ALTO Alta asociación entre liable=1 y housing__propietario=1 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable job__altamente calificado/funcionario 0.853513 ALTO Alta asociación entre liable=1 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable job__calificado 0.659193 ALTO Alta asociación entre liable=1 y job__calificado=1 (proporción 0.659), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable job__desempleado/no calificado 0.979073 ALTO Alta asociación entre liable=1 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable job__no calificado residente 0.826607 ALTO Alta asociación entre liable=1 y job__no calificado residente=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable telephone__no 0.599402 ALTO Alta asociación entre liable=1 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable telephone__sí 0.599402 ALTO Alta asociación entre liable=1 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable estado_civil__casado/viudo 0.895366 ALTO Alta asociación entre liable=1 y estado_civil__casado/viudo=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable estado_civil__divorciada/separada/casada 0.641256 ALTO Alta asociación entre liable=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.641), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable estado_civil__divorciado/separado 0.941704 ALTO Alta asociación entre liable=1 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
liable estado_civil__soltero 0.521674 ALTO Alta asociación entre liable=1 y estado_civil__soltero=0 (proporción 0.522), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign existingchecking__saldo positivo hasta 200 DM 0.744819 ALTO Alta asociación entre foreign=0 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.745), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign existingchecking__saldo positivo superior a 200 DM 0.937824 ALTO Alta asociación entre foreign=0 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign existingchecking__sin cuenta corriente 0.724093 ALTO Alta asociación entre foreign=0 y existingchecking__sin cuenta corriente=0 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign existingchecking__sin saldo 0.593264 ALTO Alta asociación entre foreign=0 y existingchecking__sin saldo=0 (proporción 0.593), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign history__créditos existentes pagados puntualmente hasta ahora 0.529793 ALTO Alta asociación entre foreign=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.530), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign history__cuenta crítica/otros créditos existentes (no en este banco) 0.693005 ALTO Alta asociación entre foreign=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign history__no créditos tomados 0.958549 ALTO Alta asociación entre foreign=0 y history__no créditos tomados=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign history__retraso en el pago en el pasado 0.918394 ALTO Alta asociación entre foreign=0 y history__retraso en el pago en el pasado=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign history__todos los créditos en este banco devueltos a tiempo 0.959845 ALTO Alta asociación entre foreign=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__coche nuevo 0.778497 ALTO Alta asociación entre foreign=0 y purpose__coche nuevo=0 (proporción 0.778), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__coche usado 0.896373 ALTO Alta asociación entre foreign=0 y purpose__coche usado=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__educación 0.952073 ALTO Alta asociación entre foreign=0 y purpose__educación=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__electrodomésticos 0.989637 ALTO Alta asociación entre foreign=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__muebles/equipo 0.812176 ALTO Alta asociación entre foreign=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__negocios 0.900259 ALTO Alta asociación entre foreign=0 y purpose__negocios=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__otros 0.990933 ALTO Alta asociación entre foreign=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__radio/TV 0.713731 ALTO Alta asociación entre foreign=0 y purpose__radio/TV=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__reparaciones 0.975389 ALTO Alta asociación entre foreign=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign purpose__retraining 0.990933 ALTO Alta asociación entre foreign=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign savings__saldo positivo de 100 a 500 DM 0.937824 ALTO Alta asociación entre foreign=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign savings__saldo positivo de 500 a 1000 DM 0.957254 ALTO Alta asociación entre foreign=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign savings__saldo positivo hasta 100 DM 0.892487 ALTO Alta asociación entre foreign=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign savings__saldo positivo superior a 1000 DM 0.813472 ALTO Alta asociación entre foreign=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign savings__sin cuenta de ahorros 0.601036 ALTO Alta asociación entre foreign=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign employ__desempleado 0.944301 ALTO Alta asociación entre foreign=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign employ__empleado de 1 a 4 años 0.670984 ALTO Alta asociación entre foreign=0 y employ__empleado de 1 a 4 años=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign employ__empleado de 4 a 7 años 0.821244 ALTO Alta asociación entre foreign=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign employ__empleado menos de 1 año 0.829016 ALTO Alta asociación entre foreign=0 y employ__empleado menos de 1 año=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign employ__empleado más de 7 años 0.734456 ALTO Alta asociación entre foreign=0 y employ__empleado más de 7 años=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign others__co-deudor 0.957254 ALTO Alta asociación entre foreign=0 y others__co-deudor=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign others__garante 0.952073 ALTO Alta asociación entre foreign=0 y others__garante=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign others__ninguno 0.909326 ALTO Alta asociación entre foreign=0 y others__ninguno=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign property__automóvil 0.661917 ALTO Alta asociación entre foreign=0 y property__automóvil=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign property__bienes inmuebles 0.718912 ALTO Alta asociación entre foreign=0 y property__bienes inmuebles=0 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign property__seguro de vida 0.766839 ALTO Alta asociación entre foreign=0 y property__seguro de vida=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign property__sin propiedad 0.852332 ALTO Alta asociación entre foreign=0 y property__sin propiedad=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign otherplans__banco 0.946891 ALTO Alta asociación entre foreign=0 y otherplans__banco=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign otherplans__ninguno 0.869171 ALTO Alta asociación entre foreign=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign otherplans__tiendas 0.816062 ALTO Alta asociación entre foreign=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign housing__alquiler 0.829016 ALTO Alta asociación entre foreign=0 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign housing__gratis 0.893782 ALTO Alta asociación entre foreign=0 y housing__gratis=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign housing__propietario 0.722798 ALTO Alta asociación entre foreign=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign job__altamente calificado/funcionario 0.851036 ALTO Alta asociación entre foreign=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign job__calificado 0.637306 ALTO Alta asociación entre foreign=0 y job__calificado=1 (proporción 0.637), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign job__desempleado/no calificado 0.980570 ALTO Alta asociación entre foreign=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign job__no calificado residente 0.805699 ALTO Alta asociación entre foreign=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign telephone__no 0.590674 ALTO Alta asociación entre foreign=0 y telephone__no=1 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign telephone__sí 0.590674 ALTO Alta asociación entre foreign=0 y telephone__sí=0 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign estado_civil__casado/viudo 0.911917 ALTO Alta asociación entre foreign=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign estado_civil__divorciada/separada/casada 0.685233 ALTO Alta asociación entre foreign=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign estado_civil__divorciado/separado 0.946891 ALTO Alta asociación entre foreign=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
foreign estado_civil__soltero 0.544041 ALTO Alta asociación entre foreign=0 y estado_civil__soltero=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM existingchecking__saldo positivo superior a 200 DM 0.914858 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM existingchecking__sin cuenta corriente 0.624374 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__sin cuenta corriente=0 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM existingchecking__sin saldo 0.539232 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__sin saldo=1 (proporción 0.539), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM history__créditos existentes pagados puntualmente hasta ahora 0.517529 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM history__cuenta crítica/otros créditos existentes (no en este banco) 0.652755 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM history__no créditos tomados 0.968280 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__no créditos tomados=0 (proporción 0.968), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM history__retraso en el pago en el pasado 0.933222 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__retraso en el pago en el pasado=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM history__todos los créditos en este banco devueltos a tiempo 0.963272 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__coche nuevo 0.766277 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__coche nuevo=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__coche usado 0.884808 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__coche usado=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__educación 0.946578 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__educación=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__electrodomésticos 0.986644 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__electrodomésticos=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__muebles/equipo 0.806344 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__muebles/equipo=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__negocios 0.921536 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__negocios=0 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__otros 0.993322 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__otros=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__radio/TV 0.721202 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__radio/TV=0 (proporción 0.721), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__reparaciones 0.979967 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__reparaciones=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM purpose__retraining 0.993322 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__retraining=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM savings__saldo positivo de 100 a 500 DM 0.934891 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM savings__saldo positivo de 500 a 1000 DM 0.951586 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM savings__saldo positivo hasta 100 DM 0.918197 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM savings__saldo positivo superior a 1000 DM 0.804674 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM savings__sin cuenta de ahorros 0.609349 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM employ__desempleado 0.953255 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM employ__empleado de 1 a 4 años 0.667780 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM employ__empleado de 4 a 7 años 0.819699 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM employ__empleado menos de 1 año 0.839733 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.840), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM employ__empleado más de 7 años 0.719533 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado más de 7 años=0 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM others__co-deudor 0.954925 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM others__garante 0.958264 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__garante=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM others__ninguno 0.913189 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__ninguno=1 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM property__automóvil 0.679466 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__automóvil=0 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM property__bienes inmuebles 0.711185 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM property__seguro de vida 0.756260 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__seguro de vida=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM property__sin propiedad 0.853088 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM otherplans__banco 0.949917 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM otherplans__ninguno 0.879800 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__ninguno=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM otherplans__tiendas 0.829716 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__tiendas=1 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM housing__alquiler 0.823038 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM housing__gratis 0.889816 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__gratis=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM housing__propietario 0.712855 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__propietario=1 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM job__altamente calificado/funcionario 0.858097 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM job__calificado 0.652755 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__calificado=1 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM job__desempleado/no calificado 0.979967 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM job__no calificado residente 0.814691 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__no calificado residente=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM telephone__no 0.595993 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y telephone__no=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM telephone__sí 0.595993 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y telephone__sí=0 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM estado_civil__casado/viudo 0.923205 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__casado/viudo=0 (proporción 0.923), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM estado_civil__divorciada/separada/casada 0.684474 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM estado_civil__divorciado/separado 0.953255 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo hasta 200 DM estado_civil__soltero 0.560935 ALTO Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__soltero=1 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM existingchecking__sin cuenta corriente 0.699599 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y existingchecking__sin cuenta corriente=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM existingchecking__sin saldo 0.568758 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y existingchecking__sin saldo=0 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM history__créditos existentes pagados puntualmente hasta ahora 0.530040 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.530), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM history__cuenta crítica/otros créditos existentes (no en este banco) 0.692924 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM history__no créditos tomados 0.957276 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__no créditos tomados=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM history__retraso en el pago en el pasado 0.919893 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__retraso en el pago en el pasado=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM history__todos los créditos en este banco devueltos a tiempo 0.959947 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__coche nuevo 0.771696 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__coche nuevo=0 (proporción 0.772), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__coche usado 0.893191 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__coche usado=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__educación 0.955941 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__educación=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__electrodomésticos 0.990654 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__electrodomésticos=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__muebles/equipo 0.811749 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__negocios 0.902537 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__negocios=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__otros 0.989319 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__radio/TV 0.720961 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__radio/TV=0 (proporción 0.721), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__reparaciones 0.973298 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__reparaciones=0 (proporción 0.973), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM purpose__retraining 0.990654 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM savings__saldo positivo de 100 a 500 DM 0.939920 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM savings__saldo positivo de 500 a 1000 DM 0.954606 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM savings__saldo positivo hasta 100 DM 0.890521 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM savings__saldo positivo superior a 1000 DM 0.813084 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM savings__sin cuenta de ahorros 0.598131 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM employ__desempleado 0.943925 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM employ__empleado de 1 a 4 años 0.666222 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM employ__empleado de 4 a 7 años 0.817089 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM employ__empleado menos de 1 año 0.829105 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM employ__empleado más de 7 años 0.743658 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado más de 7 años=0 (proporción 0.744), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM others__co-deudor 0.954606 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM others__garante 0.946595 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM others__ninguno 0.901202 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM property__automóvil 0.670227 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM property__bienes inmuebles 0.707610 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__bienes inmuebles=0 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM property__seguro de vida 0.763685 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM property__sin propiedad 0.858478 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__sin propiedad=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM otherplans__banco 0.950601 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM otherplans__ninguno 0.870494 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM otherplans__tiendas 0.821095 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM housing__alquiler 0.822430 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__alquiler=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM housing__gratis 0.901202 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__gratis=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM housing__propietario 0.723632 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__propietario=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM job__altamente calificado/funcionario 0.854473 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM job__calificado 0.638184 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__calificado=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM job__desempleado/no calificado 0.982644 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__desempleado/no calificado=0 (proporción 0.983), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM job__no calificado residente 0.801068 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__no calificado residente=0 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM telephone__no 0.596796 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM telephone__sí 0.596796 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM estado_civil__casado/viudo 0.909212 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM estado_civil__divorciada/separada/casada 0.687583 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM estado_civil__divorciado/separado 0.951936 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__saldo positivo superior a 200 DM estado_civil__soltero 0.548732 ALTO Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__soltero=1 (proporción 0.549), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente existingchecking__sin saldo 0.561739 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y existingchecking__sin saldo=1 (proporción 0.562), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente history__créditos existentes pagados puntualmente hasta ahora 0.504348 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.504), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente history__cuenta crítica/otros créditos existentes (no en este banco) 0.671304 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente history__no créditos tomados 0.958261 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y history__no créditos tomados=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente history__retraso en el pago en el pasado 0.906087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y history__retraso en el pago en el pasado=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente history__todos los créditos en este banco devueltos a tiempo 0.968696 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.969), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__coche nuevo 0.789565 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__coche nuevo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__coche usado 0.895652 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__coche usado=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__educación 0.956522 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__electrodomésticos 0.993043 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__electrodomésticos=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__muebles/equipo 0.841739 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__muebles/equipo=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__negocios 0.886957 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__negocios=0 (proporción 0.887), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__otros 0.991304 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__radio/TV 0.681739 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__radio/TV=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__reparaciones 0.973913 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente purpose__retraining 0.989565 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente savings__saldo positivo de 100 a 500 DM 0.926957 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.927), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente savings__saldo positivo de 500 a 1000 DM 0.946087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente savings__saldo positivo hasta 100 DM 0.866087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente savings__saldo positivo superior a 1000 DM 0.789565 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente savings__sin cuenta de ahorros 0.528696 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__sin cuenta de ahorros=1 (proporción 0.529), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente employ__desempleado 0.953043 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente employ__empleado de 1 a 4 años 0.657391 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado de 1 a 4 años=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente employ__empleado de 4 a 7 años 0.817391 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente employ__empleado menos de 1 año 0.829565 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado menos de 1 año=0 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente employ__empleado más de 7 años 0.742609 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado más de 7 años=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente others__co-deudor 0.963478 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y others__co-deudor=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente others__garante 0.958261 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y others__garante=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente others__ninguno 0.921739 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y others__ninguno=1 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente property__automóvil 0.641739 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y property__automóvil=0 (proporción 0.642), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente property__bienes inmuebles 0.699130 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y property__bienes inmuebles=0 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente property__seguro de vida 0.784348 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y property__seguro de vida=0 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente property__sin propiedad 0.874783 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y property__sin propiedad=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente otherplans__banco 0.944348 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__banco=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente otherplans__ninguno 0.871304 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente otherplans__tiendas 0.815652 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente housing__alquiler 0.850435 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__alquiler=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente housing__gratis 0.913043 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__gratis=0 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente housing__propietario 0.763478 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__propietario=1 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente job__altamente calificado/funcionario 0.855652 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y job__altamente calificado/funcionario=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente job__calificado 0.643478 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y job__calificado=1 (proporción 0.643), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente job__desempleado/no calificado 0.979130 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente job__no calificado residente 0.808696 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y job__no calificado residente=0 (proporción 0.809), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente telephone__no 0.586087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y telephone__no=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente telephone__sí 0.586087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y telephone__sí=0 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente estado_civil__casado/viudo 0.902609 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__casado/viudo=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente estado_civil__divorciada/separada/casada 0.697391 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente estado_civil__divorciado/separado 0.946087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin cuenta corriente estado_civil__soltero 0.546087 ALTO Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo history__créditos existentes pagados puntualmente hasta ahora 0.582809 ALTO Alta asociación entre existingchecking__sin saldo=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.583), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo history__cuenta crítica/otros créditos existentes (no en este banco) 0.767296 ALTO Alta asociación entre existingchecking__sin saldo=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo history__no créditos tomados 0.943396 ALTO Alta asociación entre existingchecking__sin saldo=0 y history__no créditos tomados=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo history__retraso en el pago en el pasado 0.926625 ALTO Alta asociación entre existingchecking__sin saldo=0 y history__retraso en el pago en el pasado=0 (proporción 0.927), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo history__todos los créditos en este banco devueltos a tiempo 0.945493 ALTO Alta asociación entre existingchecking__sin saldo=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__coche nuevo 0.742138 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__coche nuevo=0 (proporción 0.742), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__coche usado 0.922432 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__coche usado=0 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__educación 0.955975 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__educación=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__electrodomésticos 0.989518 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__muebles/equipo 0.786164 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__muebles/equipo=0 (proporción 0.786), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__negocios 0.897275 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__negocios=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__otros 0.985325 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__otros=0 (proporción 0.985), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__radio/TV 0.756813 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__radio/TV=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__reparaciones 0.972746 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__reparaciones=0 (proporción 0.973), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo purpose__retraining 0.991614 ALTO Alta asociación entre existingchecking__sin saldo=0 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo savings__saldo positivo de 100 a 500 DM 0.962264 ALTO Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo savings__saldo positivo de 500 a 1000 DM 0.970650 ALTO Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo savings__saldo positivo hasta 100 DM 0.888889 ALTO Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo savings__saldo positivo superior a 1000 DM 0.855346 ALTO Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo savings__sin cuenta de ahorros 0.677149 ALTO Alta asociación entre existingchecking__sin saldo=0 y savings__sin cuenta de ahorros=1 (proporción 0.677), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo employ__desempleado 0.932914 ALTO Alta asociación entre existingchecking__sin saldo=0 y employ__desempleado=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo employ__empleado de 1 a 4 años 0.687631 ALTO Alta asociación entre existingchecking__sin saldo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo employ__empleado de 4 a 7 años 0.834382 ALTO Alta asociación entre existingchecking__sin saldo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo employ__empleado menos de 1 año 0.788260 ALTO Alta asociación entre existingchecking__sin saldo=0 y employ__empleado menos de 1 año=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo employ__empleado más de 7 años 0.756813 ALTO Alta asociación entre existingchecking__sin saldo=0 y employ__empleado más de 7 años=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo others__co-deudor 0.945493 ALTO Alta asociación entre existingchecking__sin saldo=0 y others__co-deudor=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo others__garante 0.928721 ALTO Alta asociación entre existingchecking__sin saldo=0 y others__garante=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo others__ninguno 0.874214 ALTO Alta asociación entre existingchecking__sin saldo=0 y others__ninguno=1 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo property__automóvil 0.698113 ALTO Alta asociación entre existingchecking__sin saldo=0 y property__automóvil=0 (proporción 0.698), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo property__bienes inmuebles 0.719078 ALTO Alta asociación entre existingchecking__sin saldo=0 y property__bienes inmuebles=0 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo property__seguro de vida 0.748428 ALTO Alta asociación entre existingchecking__sin saldo=0 y property__seguro de vida=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo property__sin propiedad 0.834382 ALTO Alta asociación entre existingchecking__sin saldo=0 y property__sin propiedad=0 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo otherplans__banco 0.949686 ALTO Alta asociación entre existingchecking__sin saldo=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo otherplans__ninguno 0.855346 ALTO Alta asociación entre existingchecking__sin saldo=0 y otherplans__ninguno=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo otherplans__tiendas 0.805031 ALTO Alta asociación entre existingchecking__sin saldo=0 y otherplans__tiendas=1 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo housing__alquiler 0.807128 ALTO Alta asociación entre existingchecking__sin saldo=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo housing__gratis 0.882600 ALTO Alta asociación entre existingchecking__sin saldo=0 y housing__gratis=0 (proporción 0.883), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo housing__propietario 0.689727 ALTO Alta asociación entre existingchecking__sin saldo=0 y housing__propietario=1 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo job__altamente calificado/funcionario 0.844864 ALTO Alta asociación entre existingchecking__sin saldo=0 y job__altamente calificado/funcionario=0 (proporción 0.845), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo job__calificado 0.591195 ALTO Alta asociación entre existingchecking__sin saldo=0 y job__calificado=1 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo job__desempleado/no calificado 0.970650 ALTO Alta asociación entre existingchecking__sin saldo=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo job__no calificado residente 0.775681 ALTO Alta asociación entre existingchecking__sin saldo=0 y job__no calificado residente=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo telephone__no 0.620545 ALTO Alta asociación entre existingchecking__sin saldo=0 y telephone__no=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo telephone__sí 0.620545 ALTO Alta asociación entre existingchecking__sin saldo=0 y telephone__sí=0 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo estado_civil__casado/viudo 0.903564 ALTO Alta asociación entre existingchecking__sin saldo=0 y estado_civil__casado/viudo=0 (proporción 0.904), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo estado_civil__divorciada/separada/casada 0.679245 ALTO Alta asociación entre existingchecking__sin saldo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo estado_civil__divorciado/separado 0.935010 ALTO Alta asociación entre existingchecking__sin saldo=0 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
existingchecking__sin saldo estado_civil__soltero 0.517820 ALTO Alta asociación entre existingchecking__sin saldo=0 y estado_civil__soltero=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora history__cuenta crítica/otros créditos existentes (no en este banco) 0.656000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=1 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora history__no créditos tomados 0.909333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__no créditos tomados=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora history__retraso en el pago en el pasado 0.832000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__retraso en el pago en el pasado=0 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora history__todos los créditos en este banco devueltos a tiempo 0.914667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__coche nuevo 0.757333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__coche nuevo=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__coche usado 0.893333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__coche usado=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__educación 0.949333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__educación=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__electrodomésticos 1.000000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__electrodomésticos=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__muebles/equipo 0.834667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__muebles/equipo=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__negocios 0.856000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__negocios=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__otros 0.984000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__otros=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__radio/TV 0.760000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__radio/TV=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__reparaciones 0.970667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__reparaciones=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora purpose__retraining 0.994667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__retraining=0 (proporción 0.995), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora savings__saldo positivo de 100 a 500 DM 0.938667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora savings__saldo positivo de 500 a 1000 DM 0.946667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora savings__saldo positivo hasta 100 DM 0.901333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora savings__saldo positivo superior a 1000 DM 0.818667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora savings__sin cuenta de ahorros 0.605333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__sin cuenta de ahorros=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora employ__desempleado 0.936000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__desempleado=0 (proporción 0.936), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora employ__empleado de 1 a 4 años 0.690667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado de 1 a 4 años=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora employ__empleado de 4 a 7 años 0.810667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado de 4 a 7 años=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora employ__empleado menos de 1 año 0.866667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado menos de 1 año=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora employ__empleado más de 7 años 0.696000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado más de 7 años=0 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora others__co-deudor 0.960000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__co-deudor=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora others__garante 0.965333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__garante=0 (proporción 0.965), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora others__ninguno 0.925333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__ninguno=1 (proporción 0.925), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora property__automóvil 0.682667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__automóvil=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora property__bienes inmuebles 0.722667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__bienes inmuebles=0 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora property__seguro de vida 0.760000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora property__sin propiedad 0.834667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__sin propiedad=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora otherplans__banco 0.930667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__banco=0 (proporción 0.931), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora otherplans__ninguno 0.853333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__ninguno=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora otherplans__tiendas 0.784000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__tiendas=1 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora housing__alquiler 0.861333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__alquiler=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora housing__gratis 0.885333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__gratis=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora housing__propietario 0.746667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__propietario=1 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora job__altamente calificado/funcionario 0.848000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__altamente calificado/funcionario=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora job__calificado 0.626667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora job__desempleado/no calificado 0.970667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora job__no calificado residente 0.808000 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__no calificado residente=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora telephone__no 0.573333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y telephone__no=1 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora telephone__sí 0.573333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y telephone__sí=0 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora estado_civil__casado/viudo 0.938667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__casado/viudo=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora estado_civil__divorciada/separada/casada 0.733333 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora estado_civil__divorciado/separado 0.946667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__créditos existentes pagados puntualmente hasta ahora estado_civil__soltero 0.618667 ALTO Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__soltero=1 (proporción 0.619), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) history__no créditos tomados 0.938628 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__no créditos tomados=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) history__retraso en el pago en el pasado 0.886282 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__retraso en el pago en el pasado=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) history__todos los créditos en este banco devueltos a tiempo 0.942238 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__coche nuevo 0.781588 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__coche nuevo=0 (proporción 0.782), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__coche usado 0.900722 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__coche usado=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__educación 0.960289 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__educación=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__electrodomésticos 0.985560 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__electrodomésticos=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__muebles/equipo 0.806859 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__muebles/equipo=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__negocios 0.893502 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__negocios=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__otros 0.990975 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__radio/TV 0.716606 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__radio/TV=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__reparaciones 0.974729 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) purpose__retraining 0.989170 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) savings__saldo positivo de 100 a 500 DM 0.944043 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) savings__saldo positivo de 500 a 1000 DM 0.962094 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) savings__saldo positivo hasta 100 DM 0.875451 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) savings__saldo positivo superior a 1000 DM 0.817690 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) savings__sin cuenta de ahorros 0.599278 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__sin cuenta de ahorros=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) employ__desempleado 0.949458 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__desempleado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) employ__empleado de 1 a 4 años 0.646209 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado de 1 a 4 años=0 (proporción 0.646), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) employ__empleado de 4 a 7 años 0.826715 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado de 4 a 7 años=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) employ__empleado menos de 1 año 0.796029 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado menos de 1 año=0 (proporción 0.796), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) employ__empleado más de 7 años 0.781588 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado más de 7 años=0 (proporción 0.782), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) others__co-deudor 0.956679 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__co-deudor=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) others__garante 0.940433 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__garante=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) others__ninguno 0.897112 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) property__automóvil 0.657040 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__automóvil=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) property__bienes inmuebles 0.720217 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__bienes inmuebles=0 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) property__seguro de vida 0.765343 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__seguro de vida=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) property__sin propiedad 0.857401 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__sin propiedad=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) otherplans__banco 0.942238 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__banco=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) otherplans__ninguno 0.859206 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__ninguno=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) otherplans__tiendas 0.801444 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__tiendas=1 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) housing__alquiler 0.803249 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__alquiler=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) housing__gratis 0.897112 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) housing__propietario 0.700361 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__propietario=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) job__altamente calificado/funcionario 0.850181 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) job__calificado 0.631769 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__calificado=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) job__desempleado/no calificado 0.983755 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__desempleado/no calificado=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) job__no calificado residente 0.797834 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) telephone__no 0.610108 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y telephone__no=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) telephone__sí 0.610108 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y telephone__sí=0 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) estado_civil__casado/viudo 0.897112 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__casado/viudo=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) estado_civil__divorciada/separada/casada 0.671480 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) estado_civil__divorciado/separado 0.947653 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__cuenta crítica/otros créditos existentes (no en este banco) estado_civil__soltero 0.516245 ALTO Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__soltero=1 (proporción 0.516), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados history__retraso en el pago en el pasado 0.917755 ALTO Alta asociación entre history__no créditos tomados=0 y history__retraso en el pago en el pasado=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados history__todos los créditos en este banco devueltos a tiempo 0.958225 ALTO Alta asociación entre history__no créditos tomados=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__coche nuevo 0.766319 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__coche nuevo=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__coche usado 0.896867 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__coche usado=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__educación 0.951697 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__educación=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__electrodomésticos 0.989556 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__muebles/equipo 0.812010 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__negocios 0.913838 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__negocios=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__otros 0.990862 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__radio/TV 0.710183 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__radio/TV=0 (proporción 0.710), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__reparaciones 0.976501 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__reparaciones=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados purpose__retraining 0.992167 ALTO Alta asociación entre history__no créditos tomados=0 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados savings__saldo positivo de 100 a 500 DM 0.938642 ALTO Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados savings__saldo positivo de 500 a 1000 DM 0.953003 ALTO Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados savings__saldo positivo hasta 100 DM 0.892950 ALTO Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados savings__saldo positivo superior a 1000 DM 0.809399 ALTO Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.809), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados savings__sin cuenta de ahorros 0.593995 ALTO Alta asociación entre history__no créditos tomados=0 y savings__sin cuenta de ahorros=1 (proporción 0.594), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados employ__desempleado 0.943864 ALTO Alta asociación entre history__no créditos tomados=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados employ__empleado de 1 a 4 años 0.673629 ALTO Alta asociación entre history__no créditos tomados=0 y employ__empleado de 1 a 4 años=0 (proporción 0.674), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados employ__empleado de 4 a 7 años 0.817232 ALTO Alta asociación entre history__no créditos tomados=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados employ__empleado menos de 1 año 0.826371 ALTO Alta asociación entre history__no créditos tomados=0 y employ__empleado menos de 1 año=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados employ__empleado más de 7 años 0.738903 ALTO Alta asociación entre history__no créditos tomados=0 y employ__empleado más de 7 años=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados others__co-deudor 0.953003 ALTO Alta asociación entre history__no créditos tomados=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados others__garante 0.947781 ALTO Alta asociación entre history__no créditos tomados=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados others__ninguno 0.900783 ALTO Alta asociación entre history__no créditos tomados=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados property__automóvil 0.674935 ALTO Alta asociación entre history__no créditos tomados=0 y property__automóvil=0 (proporción 0.675), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados property__bienes inmuebles 0.702350 ALTO Alta asociación entre history__no créditos tomados=0 y property__bienes inmuebles=0 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados property__seguro de vida 0.763708 ALTO Alta asociación entre history__no créditos tomados=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados property__sin propiedad 0.859008 ALTO Alta asociación entre history__no créditos tomados=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados otherplans__banco 0.947781 ALTO Alta asociación entre history__no créditos tomados=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados otherplans__ninguno 0.874674 ALTO Alta asociación entre history__no créditos tomados=0 y otherplans__ninguno=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados otherplans__tiendas 0.822454 ALTO Alta asociación entre history__no créditos tomados=0 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados housing__alquiler 0.830287 ALTO Alta asociación entre history__no créditos tomados=0 y housing__alquiler=0 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados housing__gratis 0.898172 ALTO Alta asociación entre history__no créditos tomados=0 y housing__gratis=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados housing__propietario 0.728460 ALTO Alta asociación entre history__no créditos tomados=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados job__altamente calificado/funcionario 0.851175 ALTO Alta asociación entre history__no créditos tomados=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados job__calificado 0.630548 ALTO Alta asociación entre history__no créditos tomados=0 y job__calificado=1 (proporción 0.631), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados job__desempleado/no calificado 0.979112 ALTO Alta asociación entre history__no créditos tomados=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados job__no calificado residente 0.800261 ALTO Alta asociación entre history__no créditos tomados=0 y job__no calificado residente=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados telephone__no 0.596606 ALTO Alta asociación entre history__no créditos tomados=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados telephone__sí 0.596606 ALTO Alta asociación entre history__no créditos tomados=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados estado_civil__casado/viudo 0.908616 ALTO Alta asociación entre history__no créditos tomados=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados estado_civil__divorciada/separada/casada 0.685379 ALTO Alta asociación entre history__no créditos tomados=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados estado_civil__divorciado/separado 0.947781 ALTO Alta asociación entre history__no créditos tomados=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__no créditos tomados estado_civil__soltero 0.541775 ALTO Alta asociación entre history__no créditos tomados=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado history__todos los créditos en este banco devueltos a tiempo 0.956581 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__coche nuevo 0.762551 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__coche nuevo=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__coche usado 0.898236 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__coche usado=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__educación 0.952510 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__educación=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__electrodomésticos 0.989145 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__electrodomésticos=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__muebles/equipo 0.807327 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__muebles/equipo=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__negocios 0.917232 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__negocios=0 (proporción 0.917), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__otros 0.990502 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__radio/TV 0.715061 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__radio/TV=0 (proporción 0.715), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__reparaciones 0.976934 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__reparaciones=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado purpose__retraining 0.990502 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado savings__saldo positivo de 100 a 500 DM 0.937585 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado savings__saldo positivo de 500 a 1000 DM 0.956581 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado savings__saldo positivo hasta 100 DM 0.894166 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado savings__saldo positivo superior a 1000 DM 0.812754 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado savings__sin cuenta de ahorros 0.601085 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado employ__desempleado 0.948440 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado employ__empleado de 1 a 4 años 0.671642 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado employ__empleado de 4 a 7 años 0.823609 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado employ__empleado menos de 1 año 0.820896 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado menos de 1 año=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado employ__empleado más de 7 años 0.735414 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado más de 7 años=0 (proporción 0.735), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado others__co-deudor 0.952510 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado others__garante 0.944369 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y others__garante=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado others__ninguno 0.896879 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado property__automóvil 0.671642 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado property__bienes inmuebles 0.702849 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y property__bienes inmuebles=0 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado property__seguro de vida 0.767978 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y property__seguro de vida=0 (proporción 0.768), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado property__sin propiedad 0.857531 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y property__sin propiedad=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado otherplans__banco 0.956581 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado otherplans__ninguno 0.869742 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado otherplans__tiendas 0.826323 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__tiendas=1 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado housing__alquiler 0.820896 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y housing__alquiler=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado housing__gratis 0.899593 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y housing__gratis=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado housing__propietario 0.720488 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y housing__propietario=1 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado job__altamente calificado/funcionario 0.861601 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y job__altamente calificado/funcionario=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado job__calificado 0.636364 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado job__desempleado/no calificado 0.976934 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado job__no calificado residente 0.797829 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado telephone__no 0.607870 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y telephone__no=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado telephone__sí 0.607870 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y telephone__sí=0 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado estado_civil__casado/viudo 0.909091 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado estado_civil__divorciada/separada/casada 0.678426 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado estado_civil__divorciado/separado 0.949796 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__retraso en el pago en el pasado estado_civil__soltero 0.537313 ALTO Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__soltero=1 (proporción 0.537), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__coche nuevo 0.773438 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__coche nuevo=0 (proporción 0.773), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__coche usado 0.897135 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__coche usado=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__educación 0.954427 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__educación=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__electrodomésticos 0.989583 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__muebles/equipo 0.811198 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__muebles/equipo=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__negocios 0.906250 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__negocios=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__otros 0.990885 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__radio/TV 0.712240 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__radio/TV=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__reparaciones 0.973958 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo purpose__retraining 0.990885 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo savings__saldo positivo de 100 a 500 DM 0.941406 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo savings__saldo positivo de 500 a 1000 DM 0.954427 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo savings__saldo positivo hasta 100 DM 0.893229 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo savings__saldo positivo superior a 1000 DM 0.813802 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo savings__sin cuenta de ahorros 0.602865 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__sin cuenta de ahorros=1 (proporción 0.603), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo employ__desempleado 0.949219 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__desempleado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo employ__empleado de 1 a 4 años 0.666667 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo employ__empleado de 4 a 7 años 0.824219 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo employ__empleado menos de 1 año 0.822917 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo employ__empleado más de 7 años 0.736979 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado más de 7 años=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo others__co-deudor 0.955729 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__co-deudor=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo others__garante 0.951823 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__garante=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo others__ninguno 0.907552 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__ninguno=1 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo property__automóvil 0.671875 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo property__bienes inmuebles 0.705729 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__bienes inmuebles=0 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo property__seguro de vida 0.760417 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo property__sin propiedad 0.861979 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__sin propiedad=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo otherplans__banco 0.955729 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__banco=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo otherplans__ninguno 0.881510 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__ninguno=0 (proporción 0.882), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo otherplans__tiendas 0.837240 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__tiendas=1 (proporción 0.837), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo housing__alquiler 0.826823 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo housing__gratis 0.901042 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__gratis=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo housing__propietario 0.727865 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo job__altamente calificado/funcionario 0.854167 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo job__calificado 0.639323 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__calificado=1 (proporción 0.639), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo job__desempleado/no calificado 0.980469 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo job__no calificado residente 0.804688 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__no calificado residente=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo telephone__no 0.596354 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y telephone__no=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo telephone__sí 0.596354 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y telephone__sí=0 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo estado_civil__casado/viudo 0.907552 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo estado_civil__divorciada/separada/casada 0.687500 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo estado_civil__divorciado/separado 0.945312 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
history__todos los créditos en este banco devueltos a tiempo estado_civil__soltero 0.540365 ALTO Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__soltero=1 (proporción 0.540), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__coche usado 0.866667 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__coche usado=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__educación 0.939837 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__educación=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__electrodomésticos 0.986992 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__electrodomésticos=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__muebles/equipo 0.756098 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__muebles/equipo=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__negocios 0.873171 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__negocios=0 (proporción 0.873), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__otros 0.986992 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__otros=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__radio/TV 0.634146 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__radio/TV=0 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__reparaciones 0.967480 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__reparaciones=0 (proporción 0.967), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo purpose__retraining 0.988618 ALTO Alta asociación entre purpose__coche nuevo=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo savings__saldo positivo de 100 a 500 DM 0.936585 ALTO Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo savings__saldo positivo de 500 a 1000 DM 0.954472 ALTO Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo savings__saldo positivo hasta 100 DM 0.900813 ALTO Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo savings__saldo positivo superior a 1000 DM 0.816260 ALTO Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo savings__sin cuenta de ahorros 0.608130 ALTO Alta asociación entre purpose__coche nuevo=0 y savings__sin cuenta de ahorros=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo employ__desempleado 0.952846 ALTO Alta asociación entre purpose__coche nuevo=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo employ__empleado de 1 a 4 años 0.665041 ALTO Alta asociación entre purpose__coche nuevo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo employ__empleado de 4 a 7 años 0.822764 ALTO Alta asociación entre purpose__coche nuevo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo employ__empleado menos de 1 año 0.827642 ALTO Alta asociación entre purpose__coche nuevo=0 y employ__empleado menos de 1 año=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo employ__empleado más de 7 años 0.731707 ALTO Alta asociación entre purpose__coche nuevo=0 y employ__empleado más de 7 años=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo others__co-deudor 0.956098 ALTO Alta asociación entre purpose__coche nuevo=0 y others__co-deudor=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo others__garante 0.946341 ALTO Alta asociación entre purpose__coche nuevo=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo others__ninguno 0.902439 ALTO Alta asociación entre purpose__coche nuevo=0 y others__ninguno=1 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo property__automóvil 0.661789 ALTO Alta asociación entre purpose__coche nuevo=0 y property__automóvil=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo property__bienes inmuebles 0.717073 ALTO Alta asociación entre purpose__coche nuevo=0 y property__bienes inmuebles=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo property__seguro de vida 0.760976 ALTO Alta asociación entre purpose__coche nuevo=0 y property__seguro de vida=0 (proporción 0.761), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo property__sin propiedad 0.860163 ALTO Alta asociación entre purpose__coche nuevo=0 y property__sin propiedad=0 (proporción 0.860), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo otherplans__banco 0.941463 ALTO Alta asociación entre purpose__coche nuevo=0 y otherplans__banco=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo otherplans__ninguno 0.878049 ALTO Alta asociación entre purpose__coche nuevo=0 y otherplans__ninguno=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo otherplans__tiendas 0.819512 ALTO Alta asociación entre purpose__coche nuevo=0 y otherplans__tiendas=1 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo housing__alquiler 0.822764 ALTO Alta asociación entre purpose__coche nuevo=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo housing__gratis 0.902439 ALTO Alta asociación entre purpose__coche nuevo=0 y housing__gratis=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo housing__propietario 0.725203 ALTO Alta asociación entre purpose__coche nuevo=0 y housing__propietario=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo job__altamente calificado/funcionario 0.850407 ALTO Alta asociación entre purpose__coche nuevo=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo job__calificado 0.652033 ALTO Alta asociación entre purpose__coche nuevo=0 y job__calificado=1 (proporción 0.652), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo job__desempleado/no calificado 0.988618 ALTO Alta asociación entre purpose__coche nuevo=0 y job__desempleado/no calificado=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo job__no calificado residente 0.813008 ALTO Alta asociación entre purpose__coche nuevo=0 y job__no calificado residente=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo telephone__no 0.601626 ALTO Alta asociación entre purpose__coche nuevo=0 y telephone__no=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo telephone__sí 0.601626 ALTO Alta asociación entre purpose__coche nuevo=0 y telephone__sí=0 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo estado_civil__casado/viudo 0.905691 ALTO Alta asociación entre purpose__coche nuevo=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo estado_civil__divorciada/separada/casada 0.691057 ALTO Alta asociación entre purpose__coche nuevo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo estado_civil__divorciado/separado 0.946341 ALTO Alta asociación entre purpose__coche nuevo=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche nuevo estado_civil__soltero 0.543089 ALTO Alta asociación entre purpose__coche nuevo=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__educación 0.948468 ALTO Alta asociación entre purpose__coche usado=0 y purpose__educación=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__electrodomésticos 0.988858 ALTO Alta asociación entre purpose__coche usado=0 y purpose__electrodomésticos=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__muebles/equipo 0.791086 ALTO Alta asociación entre purpose__coche usado=0 y purpose__muebles/equipo=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__negocios 0.891365 ALTO Alta asociación entre purpose__coche usado=0 y purpose__negocios=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__otros 0.988858 ALTO Alta asociación entre purpose__coche usado=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__radio/TV 0.686630 ALTO Alta asociación entre purpose__coche usado=0 y purpose__radio/TV=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__reparaciones 0.972145 ALTO Alta asociación entre purpose__coche usado=0 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado purpose__retraining 0.990251 ALTO Alta asociación entre purpose__coche usado=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado savings__saldo positivo de 100 a 500 DM 0.937326 ALTO Alta asociación entre purpose__coche usado=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado savings__saldo positivo de 500 a 1000 DM 0.956825 ALTO Alta asociación entre purpose__coche usado=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado savings__saldo positivo hasta 100 DM 0.888579 ALTO Alta asociación entre purpose__coche usado=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado savings__saldo positivo superior a 1000 DM 0.831476 ALTO Alta asociación entre purpose__coche usado=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado savings__sin cuenta de ahorros 0.614206 ALTO Alta asociación entre purpose__coche usado=0 y savings__sin cuenta de ahorros=1 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado employ__desempleado 0.947075 ALTO Alta asociación entre purpose__coche usado=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado employ__empleado de 1 a 4 años 0.661560 ALTO Alta asociación entre purpose__coche usado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado employ__empleado de 4 a 7 años 0.824513 ALTO Alta asociación entre purpose__coche usado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado employ__empleado menos de 1 año 0.816156 ALTO Alta asociación entre purpose__coche usado=0 y employ__empleado menos de 1 año=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado employ__empleado más de 7 años 0.750696 ALTO Alta asociación entre purpose__coche usado=0 y employ__empleado más de 7 años=0 (proporción 0.751), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado others__co-deudor 0.951253 ALTO Alta asociación entre purpose__coche usado=0 y others__co-deudor=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado others__garante 0.947075 ALTO Alta asociación entre purpose__coche usado=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado others__ninguno 0.898329 ALTO Alta asociación entre purpose__coche usado=0 y others__ninguno=1 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado property__automóvil 0.685237 ALTO Alta asociación entre purpose__coche usado=0 y property__automóvil=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado property__bienes inmuebles 0.686630 ALTO Alta asociación entre purpose__coche usado=0 y property__bienes inmuebles=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado property__seguro de vida 0.756267 ALTO Alta asociación entre purpose__coche usado=0 y property__seguro de vida=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado property__sin propiedad 0.871866 ALTO Alta asociación entre purpose__coche usado=0 y property__sin propiedad=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado otherplans__banco 0.949861 ALTO Alta asociación entre purpose__coche usado=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado otherplans__ninguno 0.866295 ALTO Alta asociación entre purpose__coche usado=0 y otherplans__ninguno=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado otherplans__tiendas 0.816156 ALTO Alta asociación entre purpose__coche usado=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado housing__alquiler 0.827298 ALTO Alta asociación entre purpose__coche usado=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado housing__gratis 0.916435 ALTO Alta asociación entre purpose__coche usado=0 y housing__gratis=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado housing__propietario 0.743733 ALTO Alta asociación entre purpose__coche usado=0 y housing__propietario=1 (proporción 0.744), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado job__altamente calificado/funcionario 0.874652 ALTO Alta asociación entre purpose__coche usado=0 y job__altamente calificado/funcionario=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado job__calificado 0.637883 ALTO Alta asociación entre purpose__coche usado=0 y job__calificado=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado job__desempleado/no calificado 0.976323 ALTO Alta asociación entre purpose__coche usado=0 y job__desempleado/no calificado=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado job__no calificado residente 0.786908 ALTO Alta asociación entre purpose__coche usado=0 y job__no calificado residente=0 (proporción 0.787), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado telephone__no 0.622563 ALTO Alta asociación entre purpose__coche usado=0 y telephone__no=1 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado telephone__sí 0.622563 ALTO Alta asociación entre purpose__coche usado=0 y telephone__sí=0 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado estado_civil__casado/viudo 0.906685 ALTO Alta asociación entre purpose__coche usado=0 y estado_civil__casado/viudo=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado estado_civil__divorciada/separada/casada 0.671309 ALTO Alta asociación entre purpose__coche usado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado estado_civil__divorciado/separado 0.945682 ALTO Alta asociación entre purpose__coche usado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__coche usado estado_civil__soltero 0.523677 ALTO Alta asociación entre purpose__coche usado=0 y estado_civil__soltero=1 (proporción 0.524), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__electrodomésticos 0.989515 ALTO Alta asociación entre purpose__educación=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__muebles/equipo 0.803408 ALTO Alta asociación entre purpose__educación=0 y purpose__muebles/equipo=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__negocios 0.897772 ALTO Alta asociación entre purpose__educación=0 y purpose__negocios=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__otros 0.989515 ALTO Alta asociación entre purpose__educación=0 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__radio/TV 0.705111 ALTO Alta asociación entre purpose__educación=0 y purpose__radio/TV=0 (proporción 0.705), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__reparaciones 0.973788 ALTO Alta asociación entre purpose__educación=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación purpose__retraining 0.990826 ALTO Alta asociación entre purpose__educación=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación savings__saldo positivo de 100 a 500 DM 0.939712 ALTO Alta asociación entre purpose__educación=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación savings__saldo positivo de 500 a 1000 DM 0.954128 ALTO Alta asociación entre purpose__educación=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación savings__saldo positivo hasta 100 DM 0.889908 ALTO Alta asociación entre purpose__educación=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación savings__saldo positivo superior a 1000 DM 0.817824 ALTO Alta asociación entre purpose__educación=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación savings__sin cuenta de ahorros 0.601573 ALTO Alta asociación entre purpose__educación=0 y savings__sin cuenta de ahorros=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación employ__desempleado 0.944954 ALTO Alta asociación entre purpose__educación=0 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación employ__empleado de 1 a 4 años 0.672346 ALTO Alta asociación entre purpose__educación=0 y employ__empleado de 1 a 4 años=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación employ__empleado de 4 a 7 años 0.819135 ALTO Alta asociación entre purpose__educación=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación employ__empleado menos de 1 año 0.823067 ALTO Alta asociación entre purpose__educación=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación employ__empleado más de 7 años 0.740498 ALTO Alta asociación entre purpose__educación=0 y employ__empleado más de 7 años=0 (proporción 0.740), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación others__co-deudor 0.952818 ALTO Alta asociación entre purpose__educación=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación others__garante 0.946265 ALTO Alta asociación entre purpose__educación=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación others__ninguno 0.899083 ALTO Alta asociación entre purpose__educación=0 y others__ninguno=1 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación property__automóvil 0.669725 ALTO Alta asociación entre purpose__educación=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación property__bienes inmuebles 0.699869 ALTO Alta asociación entre purpose__educación=0 y property__bienes inmuebles=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación property__seguro de vida 0.764089 ALTO Alta asociación entre purpose__educación=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación property__sin propiedad 0.866317 ALTO Alta asociación entre purpose__educación=0 y property__sin propiedad=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación otherplans__banco 0.947575 ALTO Alta asociación entre purpose__educación=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación otherplans__ninguno 0.868938 ALTO Alta asociación entre purpose__educación=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación otherplans__tiendas 0.816514 ALTO Alta asociación entre purpose__educación=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación housing__alquiler 0.826999 ALTO Alta asociación entre purpose__educación=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación housing__gratis 0.905636 ALTO Alta asociación entre purpose__educación=0 y housing__gratis=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación housing__propietario 0.732634 ALTO Alta asociación entre purpose__educación=0 y housing__propietario=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación job__altamente calificado/funcionario 0.853211 ALTO Alta asociación entre purpose__educación=0 y job__altamente calificado/funcionario=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación job__calificado 0.635649 ALTO Alta asociación entre purpose__educación=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación job__desempleado/no calificado 0.979030 ALTO Alta asociación entre purpose__educación=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación job__no calificado residente 0.803408 ALTO Alta asociación entre purpose__educación=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación telephone__no 0.597641 ALTO Alta asociación entre purpose__educación=0 y telephone__no=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación telephone__sí 0.597641 ALTO Alta asociación entre purpose__educación=0 y telephone__sí=0 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación estado_civil__casado/viudo 0.905636 ALTO Alta asociación entre purpose__educación=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación estado_civil__divorciada/separada/casada 0.692005 ALTO Alta asociación entre purpose__educación=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación estado_civil__divorciado/separado 0.946265 ALTO Alta asociación entre purpose__educación=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__educación estado_civil__soltero 0.543906 ALTO Alta asociación entre purpose__educación=0 y estado_civil__soltero=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__muebles/equipo 0.810606 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__muebles/equipo=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__negocios 0.901515 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__negocios=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__otros 0.989899 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__radio/TV 0.715909 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__radio/TV=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__reparaciones 0.974747 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos purpose__retraining 0.991162 ALTO Alta asociación entre purpose__electrodomésticos=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos savings__saldo positivo de 100 a 500 DM 0.940657 ALTO Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos savings__saldo positivo de 500 a 1000 DM 0.954545 ALTO Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos savings__saldo positivo hasta 100 DM 0.891414 ALTO Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos savings__saldo positivo superior a 1000 DM 0.814394 ALTO Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos savings__sin cuenta de ahorros 0.601010 ALTO Alta asociación entre purpose__electrodomésticos=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos employ__desempleado 0.946970 ALTO Alta asociación entre purpose__electrodomésticos=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos employ__empleado de 1 a 4 años 0.670455 ALTO Alta asociación entre purpose__electrodomésticos=0 y employ__empleado de 1 a 4 años=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos employ__empleado de 4 a 7 años 0.819444 ALTO Alta asociación entre purpose__electrodomésticos=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos employ__empleado menos de 1 año 0.825758 ALTO Alta asociación entre purpose__electrodomésticos=0 y employ__empleado menos de 1 año=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos employ__empleado más de 7 años 0.737374 ALTO Alta asociación entre purpose__electrodomésticos=0 y employ__empleado más de 7 años=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos others__co-deudor 0.954545 ALTO Alta asociación entre purpose__electrodomésticos=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos others__garante 0.948232 ALTO Alta asociación entre purpose__electrodomésticos=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos others__ninguno 0.902778 ALTO Alta asociación entre purpose__electrodomésticos=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos property__automóvil 0.671717 ALTO Alta asociación entre purpose__electrodomésticos=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos property__bienes inmuebles 0.710859 ALTO Alta asociación entre purpose__electrodomésticos=0 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos property__seguro de vida 0.762626 ALTO Alta asociación entre purpose__electrodomésticos=0 y property__seguro de vida=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos property__sin propiedad 0.854798 ALTO Alta asociación entre purpose__electrodomésticos=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos otherplans__banco 0.948232 ALTO Alta asociación entre purpose__electrodomésticos=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos otherplans__ninguno 0.868687 ALTO Alta asociación entre purpose__electrodomésticos=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos otherplans__tiendas 0.816919 ALTO Alta asociación entre purpose__electrodomésticos=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos housing__alquiler 0.827020 ALTO Alta asociación entre purpose__electrodomésticos=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos housing__gratis 0.896465 ALTO Alta asociación entre purpose__electrodomésticos=0 y housing__gratis=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos housing__propietario 0.723485 ALTO Alta asociación entre purpose__electrodomésticos=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos job__altamente calificado/funcionario 0.852273 ALTO Alta asociación entre purpose__electrodomésticos=0 y job__altamente calificado/funcionario=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos job__calificado 0.630051 ALTO Alta asociación entre purpose__electrodomésticos=0 y job__calificado=1 (proporción 0.630), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos job__desempleado/no calificado 0.978535 ALTO Alta asociación entre purpose__electrodomésticos=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos job__no calificado residente 0.799242 ALTO Alta asociación entre purpose__electrodomésticos=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos telephone__no 0.597222 ALTO Alta asociación entre purpose__electrodomésticos=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos telephone__sí 0.597222 ALTO Alta asociación entre purpose__electrodomésticos=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos estado_civil__casado/viudo 0.909091 ALTO Alta asociación entre purpose__electrodomésticos=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos estado_civil__divorciada/separada/casada 0.690657 ALTO Alta asociación entre purpose__electrodomésticos=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos estado_civil__divorciado/separado 0.948232 ALTO Alta asociación entre purpose__electrodomésticos=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__electrodomésticos estado_civil__soltero 0.547980 ALTO Alta asociación entre purpose__electrodomésticos=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo purpose__negocios 0.880000 ALTO Alta asociación entre purpose__muebles/equipo=0 y purpose__negocios=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo purpose__otros 0.987692 ALTO Alta asociación entre purpose__muebles/equipo=0 y purpose__otros=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo purpose__radio/TV 0.653846 ALTO Alta asociación entre purpose__muebles/equipo=0 y purpose__radio/TV=0 (proporción 0.654), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo purpose__reparaciones 0.969231 ALTO Alta asociación entre purpose__muebles/equipo=0 y purpose__reparaciones=0 (proporción 0.969), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo purpose__retraining 0.989231 ALTO Alta asociación entre purpose__muebles/equipo=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo savings__saldo positivo de 100 a 500 DM 0.938462 ALTO Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo savings__saldo positivo de 500 a 1000 DM 0.956923 ALTO Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo savings__saldo positivo hasta 100 DM 0.878462 ALTO Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo savings__saldo positivo superior a 1000 DM 0.796923 ALTO Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo savings__sin cuenta de ahorros 0.570769 ALTO Alta asociación entre purpose__muebles/equipo=0 y savings__sin cuenta de ahorros=1 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo employ__desempleado 0.947692 ALTO Alta asociación entre purpose__muebles/equipo=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo employ__empleado de 1 a 4 años 0.669231 ALTO Alta asociación entre purpose__muebles/equipo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo employ__empleado de 4 a 7 años 0.815385 ALTO Alta asociación entre purpose__muebles/equipo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo employ__empleado menos de 1 año 0.841538 ALTO Alta asociación entre purpose__muebles/equipo=0 y employ__empleado menos de 1 año=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo employ__empleado más de 7 años 0.726154 ALTO Alta asociación entre purpose__muebles/equipo=0 y employ__empleado más de 7 años=0 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo others__co-deudor 0.961538 ALTO Alta asociación entre purpose__muebles/equipo=0 y others__co-deudor=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo others__garante 0.947692 ALTO Alta asociación entre purpose__muebles/equipo=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo others__ninguno 0.909231 ALTO Alta asociación entre purpose__muebles/equipo=0 y others__ninguno=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo property__automóvil 0.652308 ALTO Alta asociación entre purpose__muebles/equipo=0 y property__automóvil=0 (proporción 0.652), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo property__bienes inmuebles 0.693846 ALTO Alta asociación entre purpose__muebles/equipo=0 y property__bienes inmuebles=0 (proporción 0.694), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo property__seguro de vida 0.804615 ALTO Alta asociación entre purpose__muebles/equipo=0 y property__seguro de vida=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo property__sin propiedad 0.849231 ALTO Alta asociación entre purpose__muebles/equipo=0 y property__sin propiedad=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo otherplans__banco 0.949231 ALTO Alta asociación entre purpose__muebles/equipo=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo otherplans__ninguno 0.866154 ALTO Alta asociación entre purpose__muebles/equipo=0 y otherplans__ninguno=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo otherplans__tiendas 0.815385 ALTO Alta asociación entre purpose__muebles/equipo=0 y otherplans__tiendas=1 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo housing__alquiler 0.847692 ALTO Alta asociación entre purpose__muebles/equipo=0 y housing__alquiler=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo housing__gratis 0.889231 ALTO Alta asociación entre purpose__muebles/equipo=0 y housing__gratis=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo housing__propietario 0.736923 ALTO Alta asociación entre purpose__muebles/equipo=0 y housing__propietario=1 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo job__altamente calificado/funcionario 0.849231 ALTO Alta asociación entre purpose__muebles/equipo=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo job__calificado 0.621538 ALTO Alta asociación entre purpose__muebles/equipo=0 y job__calificado=1 (proporción 0.622), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo job__desempleado/no calificado 0.975385 ALTO Alta asociación entre purpose__muebles/equipo=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo job__no calificado residente 0.796923 ALTO Alta asociación entre purpose__muebles/equipo=0 y job__no calificado residente=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo telephone__no 0.587692 ALTO Alta asociación entre purpose__muebles/equipo=0 y telephone__no=1 (proporción 0.588), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo telephone__sí 0.587692 ALTO Alta asociación entre purpose__muebles/equipo=0 y telephone__sí=0 (proporción 0.588), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo estado_civil__casado/viudo 0.896923 ALTO Alta asociación entre purpose__muebles/equipo=0 y estado_civil__casado/viudo=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo estado_civil__divorciada/separada/casada 0.716923 ALTO Alta asociación entre purpose__muebles/equipo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo estado_civil__divorciado/separado 0.953846 ALTO Alta asociación entre purpose__muebles/equipo=0 y estado_civil__divorciado/separado=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__muebles/equipo estado_civil__soltero 0.567692 ALTO Alta asociación entre purpose__muebles/equipo=0 y estado_civil__soltero=1 (proporción 0.568), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios purpose__otros 0.988920 ALTO Alta asociación entre purpose__negocios=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios purpose__radio/TV 0.688366 ALTO Alta asociación entre purpose__negocios=0 y purpose__radio/TV=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios purpose__reparaciones 0.972299 ALTO Alta asociación entre purpose__negocios=0 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios purpose__retraining 0.990305 ALTO Alta asociación entre purpose__negocios=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios savings__saldo positivo de 100 a 500 DM 0.937673 ALTO Alta asociación entre purpose__negocios=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios savings__saldo positivo de 500 a 1000 DM 0.955679 ALTO Alta asociación entre purpose__negocios=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios savings__saldo positivo hasta 100 DM 0.900277 ALTO Alta asociación entre purpose__negocios=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios savings__saldo positivo superior a 1000 DM 0.807479 ALTO Alta asociación entre purpose__negocios=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios savings__sin cuenta de ahorros 0.601108 ALTO Alta asociación entre purpose__negocios=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios employ__desempleado 0.944598 ALTO Alta asociación entre purpose__negocios=0 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios employ__empleado de 1 a 4 años 0.670360 ALTO Alta asociación entre purpose__negocios=0 y employ__empleado de 1 a 4 años=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios employ__empleado de 4 a 7 años 0.826870 ALTO Alta asociación entre purpose__negocios=0 y employ__empleado de 4 a 7 años=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios employ__empleado menos de 1 año 0.819945 ALTO Alta asociación entre purpose__negocios=0 y employ__empleado menos de 1 año=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios employ__empleado más de 7 años 0.738227 ALTO Alta asociación entre purpose__negocios=0 y employ__empleado más de 7 años=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios others__co-deudor 0.952909 ALTO Alta asociación entre purpose__negocios=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios others__garante 0.945983 ALTO Alta asociación entre purpose__negocios=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios others__ninguno 0.898892 ALTO Alta asociación entre purpose__negocios=0 y others__ninguno=1 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios property__automóvil 0.675900 ALTO Alta asociación entre purpose__negocios=0 y property__automóvil=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios property__bienes inmuebles 0.711911 ALTO Alta asociación entre purpose__negocios=0 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios property__seguro de vida 0.759003 ALTO Alta asociación entre purpose__negocios=0 y property__seguro de vida=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios property__sin propiedad 0.853186 ALTO Alta asociación entre purpose__negocios=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios otherplans__banco 0.954294 ALTO Alta asociación entre purpose__negocios=0 y otherplans__banco=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios otherplans__ninguno 0.879501 ALTO Alta asociación entre purpose__negocios=0 y otherplans__ninguno=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios otherplans__tiendas 0.833795 ALTO Alta asociación entre purpose__negocios=0 y otherplans__tiendas=1 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios housing__alquiler 0.826870 ALTO Alta asociación entre purpose__negocios=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios housing__gratis 0.890582 ALTO Alta asociación entre purpose__negocios=0 y housing__gratis=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios housing__propietario 0.717452 ALTO Alta asociación entre purpose__negocios=0 y housing__propietario=1 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios job__altamente calificado/funcionario 0.853186 ALTO Alta asociación entre purpose__negocios=0 y job__altamente calificado/funcionario=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios job__calificado 0.634349 ALTO Alta asociación entre purpose__negocios=0 y job__calificado=1 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios job__desempleado/no calificado 0.979224 ALTO Alta asociación entre purpose__negocios=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios job__no calificado residente 0.801939 ALTO Alta asociación entre purpose__negocios=0 y job__no calificado residente=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios telephone__no 0.609418 ALTO Alta asociación entre purpose__negocios=0 y telephone__no=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios telephone__sí 0.609418 ALTO Alta asociación entre purpose__negocios=0 y telephone__sí=0 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios estado_civil__casado/viudo 0.909972 ALTO Alta asociación entre purpose__negocios=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios estado_civil__divorciada/separada/casada 0.675900 ALTO Alta asociación entre purpose__negocios=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios estado_civil__divorciado/separado 0.955679 ALTO Alta asociación entre purpose__negocios=0 y estado_civil__divorciado/separado=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__negocios estado_civil__soltero 0.541551 ALTO Alta asociación entre purpose__negocios=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros purpose__radio/TV 0.715909 ALTO Alta asociación entre purpose__otros=0 y purpose__radio/TV=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros purpose__reparaciones 0.974747 ALTO Alta asociación entre purpose__otros=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros purpose__retraining 0.991162 ALTO Alta asociación entre purpose__otros=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros savings__saldo positivo de 100 a 500 DM 0.939394 ALTO Alta asociación entre purpose__otros=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros savings__saldo positivo de 500 a 1000 DM 0.954545 ALTO Alta asociación entre purpose__otros=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros savings__saldo positivo hasta 100 DM 0.891414 ALTO Alta asociación entre purpose__otros=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros savings__saldo positivo superior a 1000 DM 0.813131 ALTO Alta asociación entre purpose__otros=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros savings__sin cuenta de ahorros 0.598485 ALTO Alta asociación entre purpose__otros=0 y savings__sin cuenta de ahorros=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros employ__desempleado 0.948232 ALTO Alta asociación entre purpose__otros=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros employ__empleado de 1 a 4 años 0.669192 ALTO Alta asociación entre purpose__otros=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros employ__empleado de 4 a 7 años 0.819444 ALTO Alta asociación entre purpose__otros=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros employ__empleado menos de 1 año 0.821970 ALTO Alta asociación entre purpose__otros=0 y employ__empleado menos de 1 año=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros employ__empleado más de 7 años 0.741162 ALTO Alta asociación entre purpose__otros=0 y employ__empleado más de 7 años=0 (proporción 0.741), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros others__co-deudor 0.958333 ALTO Alta asociación entre purpose__otros=0 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros others__garante 0.949495 ALTO Alta asociación entre purpose__otros=0 y others__garante=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros others__ninguno 0.907828 ALTO Alta asociación entre purpose__otros=0 y others__ninguno=1 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros property__automóvil 0.671717 ALTO Alta asociación entre purpose__otros=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros property__bienes inmuebles 0.707071 ALTO Alta asociación entre purpose__otros=0 y property__bienes inmuebles=0 (proporción 0.707), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros property__seguro de vida 0.762626 ALTO Alta asociación entre purpose__otros=0 y property__seguro de vida=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros property__sin propiedad 0.858586 ALTO Alta asociación entre purpose__otros=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros otherplans__banco 0.949495 ALTO Alta asociación entre purpose__otros=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros otherplans__ninguno 0.873737 ALTO Alta asociación entre purpose__otros=0 y otherplans__ninguno=0 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros otherplans__tiendas 0.823232 ALTO Alta asociación entre purpose__otros=0 y otherplans__tiendas=1 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros housing__alquiler 0.824495 ALTO Alta asociación entre purpose__otros=0 y housing__alquiler=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros housing__gratis 0.898990 ALTO Alta asociación entre purpose__otros=0 y housing__gratis=0 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros housing__propietario 0.723485 ALTO Alta asociación entre purpose__otros=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros job__altamente calificado/funcionario 0.861111 ALTO Alta asociación entre purpose__otros=0 y job__altamente calificado/funcionario=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros job__calificado 0.640152 ALTO Alta asociación entre purpose__otros=0 y job__calificado=1 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros job__desempleado/no calificado 0.978535 ALTO Alta asociación entre purpose__otros=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros job__no calificado residente 0.800505 ALTO Alta asociación entre purpose__otros=0 y job__no calificado residente=0 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros telephone__no 0.604798 ALTO Alta asociación entre purpose__otros=0 y telephone__no=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros telephone__sí 0.604798 ALTO Alta asociación entre purpose__otros=0 y telephone__sí=0 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros estado_civil__casado/viudo 0.909091 ALTO Alta asociación entre purpose__otros=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros estado_civil__divorciada/separada/casada 0.686869 ALTO Alta asociación entre purpose__otros=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros estado_civil__divorciado/separado 0.946970 ALTO Alta asociación entre purpose__otros=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__otros estado_civil__soltero 0.542929 ALTO Alta asociación entre purpose__otros=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV purpose__reparaciones 0.965217 ALTO Alta asociación entre purpose__radio/TV=0 y purpose__reparaciones=0 (proporción 0.965), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV purpose__retraining 0.987826 ALTO Alta asociación entre purpose__radio/TV=0 y purpose__retraining=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV savings__saldo positivo de 100 a 500 DM 0.953043 ALTO Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV savings__saldo positivo de 500 a 1000 DM 0.951304 ALTO Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV savings__saldo positivo hasta 100 DM 0.888696 ALTO Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV savings__saldo positivo superior a 1000 DM 0.810435 ALTO Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV savings__sin cuenta de ahorros 0.603478 ALTO Alta asociación entre purpose__radio/TV=0 y savings__sin cuenta de ahorros=1 (proporción 0.603), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV employ__desempleado 0.933913 ALTO Alta asociación entre purpose__radio/TV=0 y employ__desempleado=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV employ__empleado de 1 a 4 años 0.673043 ALTO Alta asociación entre purpose__radio/TV=0 y employ__empleado de 1 a 4 años=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV employ__empleado de 4 a 7 años 0.820870 ALTO Alta asociación entre purpose__radio/TV=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV employ__empleado menos de 1 año 0.813913 ALTO Alta asociación entre purpose__radio/TV=0 y employ__empleado menos de 1 año=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV employ__empleado más de 7 años 0.758261 ALTO Alta asociación entre purpose__radio/TV=0 y employ__empleado más de 7 años=0 (proporción 0.758), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV others__co-deudor 0.953043 ALTO Alta asociación entre purpose__radio/TV=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV others__garante 0.960000 ALTO Alta asociación entre purpose__radio/TV=0 y others__garante=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV others__ninguno 0.913043 ALTO Alta asociación entre purpose__radio/TV=0 y others__ninguno=1 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV property__automóvil 0.686957 ALTO Alta asociación entre purpose__radio/TV=0 y property__automóvil=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV property__bienes inmuebles 0.747826 ALTO Alta asociación entre purpose__radio/TV=0 y property__bienes inmuebles=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV property__seguro de vida 0.737391 ALTO Alta asociación entre purpose__radio/TV=0 y property__seguro de vida=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV property__sin propiedad 0.827826 ALTO Alta asociación entre purpose__radio/TV=0 y property__sin propiedad=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV otherplans__banco 0.949565 ALTO Alta asociación entre purpose__radio/TV=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV otherplans__ninguno 0.862609 ALTO Alta asociación entre purpose__radio/TV=0 y otherplans__ninguno=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV otherplans__tiendas 0.812174 ALTO Alta asociación entre purpose__radio/TV=0 y otherplans__tiendas=1 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV housing__alquiler 0.806957 ALTO Alta asociación entre purpose__radio/TV=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV housing__gratis 0.874783 ALTO Alta asociación entre purpose__radio/TV=0 y housing__gratis=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV housing__propietario 0.681739 ALTO Alta asociación entre purpose__radio/TV=0 y housing__propietario=1 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV job__altamente calificado/funcionario 0.834783 ALTO Alta asociación entre purpose__radio/TV=0 y job__altamente calificado/funcionario=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV job__calificado 0.610435 ALTO Alta asociación entre purpose__radio/TV=0 y job__calificado=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV job__desempleado/no calificado 0.972174 ALTO Alta asociación entre purpose__radio/TV=0 y job__desempleado/no calificado=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV job__no calificado residente 0.803478 ALTO Alta asociación entre purpose__radio/TV=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV telephone__no 0.568696 ALTO Alta asociación entre purpose__radio/TV=0 y telephone__no=1 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV telephone__sí 0.568696 ALTO Alta asociación entre purpose__radio/TV=0 y telephone__sí=0 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV estado_civil__casado/viudo 0.937391 ALTO Alta asociación entre purpose__radio/TV=0 y estado_civil__casado/viudo=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV estado_civil__divorciada/separada/casada 0.680000 ALTO Alta asociación entre purpose__radio/TV=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV estado_civil__divorciado/separado 0.933913 ALTO Alta asociación entre purpose__radio/TV=0 y estado_civil__divorciado/separado=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__radio/TV estado_civil__soltero 0.551304 ALTO Alta asociación entre purpose__radio/TV=0 y estado_civil__soltero=1 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones purpose__retraining 0.991026 ALTO Alta asociación entre purpose__reparaciones=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones savings__saldo positivo de 100 a 500 DM 0.939744 ALTO Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones savings__saldo positivo de 500 a 1000 DM 0.956410 ALTO Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones savings__saldo positivo hasta 100 DM 0.892308 ALTO Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones savings__saldo positivo superior a 1000 DM 0.810256 ALTO Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones savings__sin cuenta de ahorros 0.598718 ALTO Alta asociación entre purpose__reparaciones=0 y savings__sin cuenta de ahorros=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones employ__desempleado 0.947436 ALTO Alta asociación entre purpose__reparaciones=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones employ__empleado de 1 a 4 años 0.669231 ALTO Alta asociación entre purpose__reparaciones=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones employ__empleado de 4 a 7 años 0.820513 ALTO Alta asociación entre purpose__reparaciones=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones employ__empleado menos de 1 año 0.824359 ALTO Alta asociación entre purpose__reparaciones=0 y employ__empleado menos de 1 año=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones employ__empleado más de 7 años 0.738462 ALTO Alta asociación entre purpose__reparaciones=0 y employ__empleado más de 7 años=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones others__co-deudor 0.955128 ALTO Alta asociación entre purpose__reparaciones=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones others__garante 0.950000 ALTO Alta asociación entre purpose__reparaciones=0 y others__garante=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones others__ninguno 0.905128 ALTO Alta asociación entre purpose__reparaciones=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones property__automóvil 0.667949 ALTO Alta asociación entre purpose__reparaciones=0 y property__automóvil=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones property__bienes inmuebles 0.712821 ALTO Alta asociación entre purpose__reparaciones=0 y property__bienes inmuebles=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones property__seguro de vida 0.760256 ALTO Alta asociación entre purpose__reparaciones=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones property__sin propiedad 0.858974 ALTO Alta asociación entre purpose__reparaciones=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones otherplans__banco 0.948718 ALTO Alta asociación entre purpose__reparaciones=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones otherplans__ninguno 0.866667 ALTO Alta asociación entre purpose__reparaciones=0 y otherplans__ninguno=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones otherplans__tiendas 0.815385 ALTO Alta asociación entre purpose__reparaciones=0 y otherplans__tiendas=1 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones housing__alquiler 0.824359 ALTO Alta asociación entre purpose__reparaciones=0 y housing__alquiler=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones housing__gratis 0.898718 ALTO Alta asociación entre purpose__reparaciones=0 y housing__gratis=0 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones housing__propietario 0.723077 ALTO Alta asociación entre purpose__reparaciones=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones job__altamente calificado/funcionario 0.850000 ALTO Alta asociación entre purpose__reparaciones=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones job__calificado 0.635897 ALTO Alta asociación entre purpose__reparaciones=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones job__desempleado/no calificado 0.980769 ALTO Alta asociación entre purpose__reparaciones=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones job__no calificado residente 0.805128 ALTO Alta asociación entre purpose__reparaciones=0 y job__no calificado residente=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones telephone__no 0.592308 ALTO Alta asociación entre purpose__reparaciones=0 y telephone__no=1 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones telephone__sí 0.592308 ALTO Alta asociación entre purpose__reparaciones=0 y telephone__sí=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones estado_civil__casado/viudo 0.911538 ALTO Alta asociación entre purpose__reparaciones=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones estado_civil__divorciada/separada/casada 0.684615 ALTO Alta asociación entre purpose__reparaciones=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones estado_civil__divorciado/separado 0.948718 ALTO Alta asociación entre purpose__reparaciones=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__reparaciones estado_civil__soltero 0.544872 ALTO Alta asociación entre purpose__reparaciones=0 y estado_civil__soltero=1 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining savings__saldo positivo de 100 a 500 DM 0.939470 ALTO Alta asociación entre purpose__retraining=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining savings__saldo positivo de 500 a 1000 DM 0.954603 ALTO Alta asociación entre purpose__retraining=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining savings__saldo positivo hasta 100 DM 0.890290 ALTO Alta asociación entre purpose__retraining=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining savings__saldo positivo superior a 1000 DM 0.817150 ALTO Alta asociación entre purpose__retraining=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining savings__sin cuenta de ahorros 0.601513 ALTO Alta asociación entre purpose__retraining=0 y savings__sin cuenta de ahorros=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining employ__desempleado 0.947037 ALTO Alta asociación entre purpose__retraining=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining employ__empleado de 1 a 4 años 0.667087 ALTO Alta asociación entre purpose__retraining=0 y employ__empleado de 1 a 4 años=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining employ__empleado de 4 a 7 años 0.823455 ALTO Alta asociación entre purpose__retraining=0 y employ__empleado de 4 a 7 años=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining employ__empleado menos de 1 año 0.823455 ALTO Alta asociación entre purpose__retraining=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining employ__empleado más de 7 años 0.738966 ALTO Alta asociación entre purpose__retraining=0 y employ__empleado más de 7 años=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining others__co-deudor 0.954603 ALTO Alta asociación entre purpose__retraining=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining others__garante 0.948298 ALTO Alta asociación entre purpose__retraining=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining others__ninguno 0.902900 ALTO Alta asociación entre purpose__retraining=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining property__automóvil 0.669609 ALTO Alta asociación entre purpose__retraining=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining property__bienes inmuebles 0.707440 ALTO Alta asociación entre purpose__retraining=0 y property__bienes inmuebles=0 (proporción 0.707), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining property__seguro de vida 0.767970 ALTO Alta asociación entre purpose__retraining=0 y property__seguro de vida=0 (proporción 0.768), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining property__sin propiedad 0.854981 ALTO Alta asociación entre purpose__retraining=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining otherplans__banco 0.948298 ALTO Alta asociación entre purpose__retraining=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining otherplans__ninguno 0.868852 ALTO Alta asociación entre purpose__retraining=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining otherplans__tiendas 0.817150 ALTO Alta asociación entre purpose__retraining=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining housing__alquiler 0.825977 ALTO Alta asociación entre purpose__retraining=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining housing__gratis 0.896595 ALTO Alta asociación entre purpose__retraining=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining housing__propietario 0.722573 ALTO Alta asociación entre purpose__retraining=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining job__altamente calificado/funcionario 0.853720 ALTO Alta asociación entre purpose__retraining=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining job__calificado 0.635561 ALTO Alta asociación entre purpose__retraining=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining job__desempleado/no calificado 0.978562 ALTO Alta asociación entre purpose__retraining=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining job__no calificado residente 0.803279 ALTO Alta asociación entre purpose__retraining=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining telephone__no 0.598991 ALTO Alta asociación entre purpose__retraining=0 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining telephone__sí 0.598991 ALTO Alta asociación entre purpose__retraining=0 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining estado_civil__casado/viudo 0.911728 ALTO Alta asociación entre purpose__retraining=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining estado_civil__divorciada/separada/casada 0.687264 ALTO Alta asociación entre purpose__retraining=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining estado_civil__divorciado/separado 0.947037 ALTO Alta asociación entre purpose__retraining=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
purpose__retraining estado_civil__soltero 0.546028 ALTO Alta asociación entre purpose__retraining=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM savings__saldo positivo de 500 a 1000 DM 0.952128 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM savings__saldo positivo hasta 100 DM 0.884309 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.884), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM savings__saldo positivo superior a 1000 DM 0.801862 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM savings__sin cuenta de ahorros 0.638298 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM employ__desempleado 0.944149 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM employ__empleado de 1 a 4 años 0.675532 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM employ__empleado de 4 a 7 años 0.817819 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM employ__empleado menos de 1 año 0.816489 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM employ__empleado más de 7 años 0.746011 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado más de 7 años=0 (proporción 0.746), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM others__co-deudor 0.952128 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__co-deudor=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM others__garante 0.945479 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__garante=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM others__ninguno 0.897606 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__ninguno=1 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM property__automóvil 0.679521 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__automóvil=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM property__bienes inmuebles 0.706117 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__bienes inmuebles=0 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM property__seguro de vida 0.759309 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__seguro de vida=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM property__sin propiedad 0.855053 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM otherplans__banco 0.948138 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM otherplans__ninguno 0.871011 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM otherplans__tiendas 0.819149 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM housing__alquiler 0.825798 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM housing__gratis 0.897606 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__gratis=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM housing__propietario 0.723404 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM job__altamente calificado/funcionario 0.851064 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM job__calificado 0.628989 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__calificado=1 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM job__desempleado/no calificado 0.978723 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM job__no calificado residente 0.799202 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM telephone__no 0.601064 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y telephone__no=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM telephone__sí 0.601064 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y telephone__sí=0 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM estado_civil__casado/viudo 0.913564 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__casado/viudo=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM estado_civil__divorciada/separada/casada 0.678191 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM estado_civil__divorciado/separado 0.949468 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 100 a 500 DM estado_civil__soltero 0.541223 ALTO Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__soltero=1 (proporción 0.541), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM savings__saldo positivo hasta 100 DM 0.886126 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM savings__saldo positivo superior a 1000 DM 0.804974 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM savings__sin cuenta de ahorros 0.628272 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.628), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM employ__desempleado 0.943717 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM employ__empleado de 1 a 4 años 0.668848 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM employ__empleado de 4 a 7 años 0.821990 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM employ__empleado menos de 1 año 0.821990 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM employ__empleado más de 7 años 0.743455 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado más de 7 años=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM others__co-deudor 0.954188 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__co-deudor=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM others__garante 0.946335 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM others__ninguno 0.900524 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM property__automóvil 0.668848 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__automóvil=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM property__bienes inmuebles 0.715969 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__bienes inmuebles=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM property__seguro de vida 0.761780 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM property__sin propiedad 0.853403 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM otherplans__banco 0.950262 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM otherplans__ninguno 0.870419 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM otherplans__tiendas 0.820681 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM housing__alquiler 0.823298 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM housing__gratis 0.895288 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__gratis=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM housing__propietario 0.718586 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__propietario=1 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM job__altamente calificado/funcionario 0.849476 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM job__calificado 0.626963 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM job__desempleado/no calificado 0.979058 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM job__no calificado residente 0.798429 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM telephone__no 0.599476 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM telephone__sí 0.599476 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM estado_civil__casado/viudo 0.909686 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM estado_civil__divorciada/separada/casada 0.689791 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM estado_civil__divorciado/separado 0.948953 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo de 500 a 1000 DM estado_civil__soltero 0.548429 ALTO Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM savings__saldo positivo superior a 1000 DM 0.791024 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM savings__sin cuenta de ahorros 0.673212 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM employ__desempleado 0.948107 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM employ__empleado de 1 a 4 años 0.669004 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM employ__empleado de 4 a 7 años 0.826087 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM employ__empleado menos de 1 año 0.824684 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM employ__empleado más de 7 años 0.732118 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado más de 7 años=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM others__co-deudor 0.957924 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM others__garante 0.946704 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM others__ninguno 0.904628 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM property__automóvil 0.681627 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__automóvil=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM property__bienes inmuebles 0.697055 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM property__seguro de vida 0.764376 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM property__sin propiedad 0.856942 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__sin propiedad=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM otherplans__banco 0.948107 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM otherplans__ninguno 0.870968 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM otherplans__tiendas 0.819074 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM housing__alquiler 0.828892 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM housing__gratis 0.894811 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__gratis=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM housing__propietario 0.723703 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__propietario=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM job__altamente calificado/funcionario 0.851332 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM job__calificado 0.631136 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__calificado=1 (proporción 0.631), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM job__desempleado/no calificado 0.976157 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__desempleado/no calificado=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM job__no calificado residente 0.803647 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__no calificado residente=0 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM telephone__no 0.594670 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM telephone__sí 0.594670 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM estado_civil__casado/viudo 0.911641 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM estado_civil__divorciada/separada/casada 0.690042 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM estado_civil__divorciado/separado 0.948107 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo hasta 100 DM estado_civil__soltero 0.549790 ALTO Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__soltero=1 (proporción 0.550), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM savings__sin cuenta de ahorros 0.737327 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM employ__desempleado 0.941628 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__desempleado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM employ__empleado de 1 a 4 años 0.662058 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM employ__empleado de 4 a 7 años 0.826421 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM employ__empleado menos de 1 año 0.811060 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM employ__empleado más de 7 años 0.758833 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado más de 7 años=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM others__co-deudor 0.950845 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__co-deudor=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM others__garante 0.941628 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__garante=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM others__ninguno 0.892473 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__ninguno=1 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM property__automóvil 0.665131 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__automóvil=0 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM property__bienes inmuebles 0.697389 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM property__seguro de vida 0.777266 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__seguro de vida=0 (proporción 0.777), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM property__sin propiedad 0.860215 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__sin propiedad=0 (proporción 0.860), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM otherplans__banco 0.946237 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__banco=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM otherplans__ninguno 0.867896 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__ninguno=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM otherplans__tiendas 0.814132 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__tiendas=1 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM housing__alquiler 0.826421 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM housing__gratis 0.903226 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__gratis=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM housing__propietario 0.729647 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__propietario=1 (proporción 0.730), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM job__altamente calificado/funcionario 0.855607 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM job__calificado 0.626728 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM job__desempleado/no calificado 0.976959 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM job__no calificado residente 0.794163 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__no calificado residente=0 (proporción 0.794), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM telephone__no 0.612903 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y telephone__no=1 (proporción 0.613), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM telephone__sí 0.612903 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y telephone__sí=0 (proporción 0.613), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM estado_civil__casado/viudo 0.901690 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__casado/viudo=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM estado_civil__divorciada/separada/casada 0.680492 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM estado_civil__divorciado/separado 0.944700 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__saldo positivo superior a 1000 DM estado_civil__soltero 0.526882 ALTO Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__soltero=1 (proporción 0.527), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros employ__desempleado 0.962500 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y employ__desempleado=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros employ__empleado de 1 a 4 años 0.665625 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado de 1 a 4 años=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros employ__empleado de 4 a 7 años 0.806250 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado de 4 a 7 años=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros employ__empleado menos de 1 año 0.868750 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado menos de 1 año=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros employ__empleado más de 7 años 0.696875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado más de 7 años=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros others__co-deudor 0.965625 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y others__co-deudor=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros others__garante 0.981250 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y others__garante=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros others__ninguno 0.946875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y others__ninguno=1 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros property__automóvil 0.646875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y property__automóvil=0 (proporción 0.647), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros property__bienes inmuebles 0.746875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y property__bienes inmuebles=0 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros property__seguro de vida 0.750000 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y property__seguro de vida=0 (proporción 0.750), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros property__sin propiedad 0.856250 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y property__sin propiedad=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros otherplans__banco 0.953125 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__banco=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros otherplans__ninguno 0.868750 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros otherplans__tiendas 0.821875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros housing__alquiler 0.828125 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros housing__gratis 0.896875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros housing__propietario 0.725000 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y housing__propietario=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros job__altamente calificado/funcionario 0.871875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y job__altamente calificado/funcionario=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros job__calificado 0.681250 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y job__calificado=1 (proporción 0.681), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros job__desempleado/no calificado 0.987500 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y job__desempleado/no calificado=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros job__no calificado residente 0.821875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y job__no calificado residente=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros telephone__no 0.571875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y telephone__no=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros telephone__sí 0.571875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y telephone__sí=0 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros estado_civil__casado/viudo 0.915625 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros estado_civil__divorciada/separada/casada 0.712500 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros estado_civil__divorciado/separado 0.943750 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
savings__sin cuenta de ahorros estado_civil__soltero 0.571875 ALTO Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__soltero=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado employ__empleado de 1 a 4 años 0.649934 ALTO Alta asociación entre employ__desempleado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.650), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado employ__empleado de 4 a 7 años 0.811096 ALTO Alta asociación entre employ__desempleado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado employ__empleado menos de 1 año 0.813738 ALTO Alta asociación entre employ__desempleado=0 y employ__empleado menos de 1 año=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado employ__empleado más de 7 años 0.725231 ALTO Alta asociación entre employ__desempleado=0 y employ__empleado más de 7 años=0 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado others__co-deudor 0.959049 ALTO Alta asociación entre employ__desempleado=0 y others__co-deudor=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado others__garante 0.945839 ALTO Alta asociación entre employ__desempleado=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado others__ninguno 0.904888 ALTO Alta asociación entre employ__desempleado=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado property__automóvil 0.668428 ALTO Alta asociación entre employ__desempleado=0 y property__automóvil=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado property__bienes inmuebles 0.701453 ALTO Alta asociación entre employ__desempleado=0 y property__bienes inmuebles=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado property__seguro de vida 0.764861 ALTO Alta asociación entre employ__desempleado=0 y property__seguro de vida=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado property__sin propiedad 0.865258 ALTO Alta asociación entre employ__desempleado=0 y property__sin propiedad=0 (proporción 0.865), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado otherplans__banco 0.951123 ALTO Alta asociación entre employ__desempleado=0 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado otherplans__ninguno 0.869221 ALTO Alta asociación entre employ__desempleado=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado otherplans__tiendas 0.820343 ALTO Alta asociación entre employ__desempleado=0 y otherplans__tiendas=1 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado housing__alquiler 0.820343 ALTO Alta asociación entre employ__desempleado=0 y housing__alquiler=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado housing__gratis 0.908851 ALTO Alta asociación entre employ__desempleado=0 y housing__gratis=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado housing__propietario 0.729194 ALTO Alta asociación entre employ__desempleado=0 y housing__propietario=1 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado job__altamente calificado/funcionario 0.875826 ALTO Alta asociación entre employ__desempleado=0 y job__altamente calificado/funcionario=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado job__calificado 0.660502 ALTO Alta asociación entre employ__desempleado=0 y job__calificado=1 (proporción 0.661), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado job__desempleado/no calificado 0.993395 ALTO Alta asociación entre employ__desempleado=0 y job__desempleado/no calificado=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado job__no calificado residente 0.791281 ALTO Alta asociación entre employ__desempleado=0 y job__no calificado residente=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado telephone__no 0.607662 ALTO Alta asociación entre employ__desempleado=0 y telephone__no=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado telephone__sí 0.607662 ALTO Alta asociación entre employ__desempleado=0 y telephone__sí=0 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado estado_civil__casado/viudo 0.907530 ALTO Alta asociación entre employ__desempleado=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado estado_civil__divorciada/separada/casada 0.689564 ALTO Alta asociación entre employ__desempleado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado estado_civil__divorciado/separado 0.945839 ALTO Alta asociación entre employ__desempleado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__desempleado estado_civil__soltero 0.542933 ALTO Alta asociación entre employ__desempleado=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años employ__empleado de 4 a 7 años 0.732710 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado de 4 a 7 años=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años employ__empleado menos de 1 año 0.736449 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado menos de 1 año=0 (proporción 0.736), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años employ__empleado más de 7 años 0.611215 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado más de 7 años=0 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años others__co-deudor 0.955140 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años others__garante 0.962617 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y others__garante=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años others__ninguno 0.917757 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y others__ninguno=1 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años property__automóvil 0.672897 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y property__automóvil=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años property__bienes inmuebles 0.753271 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y property__bienes inmuebles=0 (proporción 0.753), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años property__seguro de vida 0.745794 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y property__seguro de vida=0 (proporción 0.746), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años property__sin propiedad 0.828037 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y property__sin propiedad=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años otherplans__banco 0.953271 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__banco=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años otherplans__ninguno 0.852336 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__ninguno=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años otherplans__tiendas 0.805607 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__tiendas=1 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años housing__alquiler 0.826168 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años housing__gratis 0.876636 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__gratis=0 (proporción 0.877), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años housing__propietario 0.702804 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__propietario=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años job__altamente calificado/funcionario 0.820561 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y job__altamente calificado/funcionario=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años job__calificado 0.609346 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y job__calificado=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años job__desempleado/no calificado 0.970093 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y job__desempleado/no calificado=0 (proporción 0.970), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años job__no calificado residente 0.818692 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y job__no calificado residente=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años telephone__no 0.566355 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y telephone__no=1 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años telephone__sí 0.566355 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y telephone__sí=0 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años estado_civil__casado/viudo 0.917757 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__casado/viudo=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años estado_civil__divorciada/separada/casada 0.700935 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años estado_civil__divorciado/separado 0.949533 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 1 a 4 años estado_civil__soltero 0.568224 ALTO Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__soltero=1 (proporción 0.568), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años employ__empleado menos de 1 año 0.785388 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y employ__empleado menos de 1 año=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años employ__empleado más de 7 años 0.683409 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y employ__empleado más de 7 años=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años others__co-deudor 0.954338 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y others__co-deudor=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años others__garante 0.948250 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años others__ninguno 0.902588 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años property__automóvil 0.686454 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y property__automóvil=0 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años property__bienes inmuebles 0.697108 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años property__seguro de vida 0.770167 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y property__seguro de vida=0 (proporción 0.770), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años property__sin propiedad 0.846271 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y property__sin propiedad=0 (proporción 0.846), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años otherplans__banco 0.945205 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__banco=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años otherplans__ninguno 0.872146 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__ninguno=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años otherplans__tiendas 0.817352 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años housing__alquiler 0.828006 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años housing__gratis 0.890411 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__gratis=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años housing__propietario 0.718417 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__propietario=1 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años job__altamente calificado/funcionario 0.847793 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y job__altamente calificado/funcionario=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años job__calificado 0.621005 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y job__calificado=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años job__desempleado/no calificado 0.974125 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y job__desempleado/no calificado=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años job__no calificado residente 0.799087 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años telephone__no 0.605784 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y telephone__no=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años telephone__sí 0.605784 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y telephone__sí=0 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años estado_civil__casado/viudo 0.911720 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años estado_civil__divorciada/separada/casada 0.677321 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.677), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años estado_civil__divorciado/separado 0.942161 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado de 4 a 7 años estado_civil__soltero 0.531202 ALTO Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__soltero=1 (proporción 0.531), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año employ__empleado más de 7 años 0.684370 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y employ__empleado más de 7 años=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año others__co-deudor 0.952959 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año others__garante 0.946889 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año others__ninguno 0.899848 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y others__ninguno=1 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año property__automóvil 0.663126 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y property__automóvil=0 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año property__bienes inmuebles 0.711684 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año property__seguro de vida 0.781487 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y property__seguro de vida=0 (proporción 0.781), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año property__sin propiedad 0.843703 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y property__sin propiedad=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año otherplans__banco 0.949924 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año otherplans__ninguno 0.867982 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__ninguno=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año otherplans__tiendas 0.817906 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__tiendas=1 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año housing__alquiler 0.848255 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y housing__alquiler=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año housing__gratis 0.880121 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y housing__gratis=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año housing__propietario 0.728376 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año job__altamente calificado/funcionario 0.843703 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y job__altamente calificado/funcionario=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año job__calificado 0.640364 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y job__calificado=1 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año job__desempleado/no calificado 0.980273 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año job__no calificado residente 0.816388 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y job__no calificado residente=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año telephone__no 0.584219 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y telephone__no=1 (proporción 0.584), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año telephone__sí 0.584219 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y telephone__sí=0 (proporción 0.584), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año estado_civil__casado/viudo 0.919575 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__casado/viudo=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año estado_civil__divorciada/separada/casada 0.726859 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.727), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año estado_civil__divorciado/separado 0.949924 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado menos de 1 año estado_civil__soltero 0.596358 ALTO Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__soltero=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años others__co-deudor 0.952703 ALTO Alta asociación entre employ__empleado más de 7 años=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años others__garante 0.942568 ALTO Alta asociación entre employ__empleado más de 7 años=0 y others__garante=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años others__ninguno 0.895270 ALTO Alta asociación entre employ__empleado más de 7 años=0 y others__ninguno=1 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años property__automóvil 0.665541 ALTO Alta asociación entre employ__empleado más de 7 años=0 y property__automóvil=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años property__bienes inmuebles 0.687500 ALTO Alta asociación entre employ__empleado más de 7 años=0 y property__bienes inmuebles=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años property__seguro de vida 0.751689 ALTO Alta asociación entre employ__empleado más de 7 años=0 y property__seguro de vida=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años property__sin propiedad 0.895270 ALTO Alta asociación entre employ__empleado más de 7 años=0 y property__sin propiedad=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años otherplans__banco 0.944257 ALTO Alta asociación entre employ__empleado más de 7 años=0 y otherplans__banco=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años otherplans__ninguno 0.886824 ALTO Alta asociación entre employ__empleado más de 7 años=0 y otherplans__ninguno=0 (proporción 0.887), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años otherplans__tiendas 0.831081 ALTO Alta asociación entre employ__empleado más de 7 años=0 y otherplans__tiendas=1 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años housing__alquiler 0.807432 ALTO Alta asociación entre employ__empleado más de 7 años=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años housing__gratis 0.929054 ALTO Alta asociación entre employ__empleado más de 7 años=0 y housing__gratis=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años housing__propietario 0.736486 ALTO Alta asociación entre employ__empleado más de 7 años=0 y housing__propietario=1 (proporción 0.736), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años job__altamente calificado/funcionario 0.873311 ALTO Alta asociación entre employ__empleado más de 7 años=0 y job__altamente calificado/funcionario=0 (proporción 0.873), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años job__calificado 0.628378 ALTO Alta asociación entre employ__empleado más de 7 años=0 y job__calificado=1 (proporción 0.628), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años job__desempleado/no calificado 0.971284 ALTO Alta asociación entre employ__empleado más de 7 años=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años job__no calificado residente 0.783784 ALTO Alta asociación entre employ__empleado más de 7 años=0 y job__no calificado residente=0 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años telephone__no 0.625000 ALTO Alta asociación entre employ__empleado más de 7 años=0 y telephone__no=1 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años telephone__sí 0.625000 ALTO Alta asociación entre employ__empleado más de 7 años=0 y telephone__sí=0 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años estado_civil__casado/viudo 0.893581 ALTO Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__casado/viudo=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años estado_civil__divorciada/separada/casada 0.640203 ALTO Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años estado_civil__divorciado/separado 0.951014 ALTO Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__divorciado/separado=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
employ__empleado más de 7 años estado_civil__soltero 0.515203 ALTO Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__soltero=0 (proporción 0.515), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor others__garante 0.946335 ALTO Alta asociación entre others__co-deudor=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor others__ninguno 0.946335 ALTO Alta asociación entre others__co-deudor=0 y others__ninguno=1 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor property__automóvil 0.666230 ALTO Alta asociación entre others__co-deudor=0 y property__automóvil=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor property__bienes inmuebles 0.709424 ALTO Alta asociación entre others__co-deudor=0 y property__bienes inmuebles=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor property__seguro de vida 0.761780 ALTO Alta asociación entre others__co-deudor=0 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor property__sin propiedad 0.862565 ALTO Alta asociación entre others__co-deudor=0 y property__sin propiedad=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor otherplans__banco 0.947644 ALTO Alta asociación entre others__co-deudor=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor otherplans__ninguno 0.870419 ALTO Alta asociación entre others__co-deudor=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor otherplans__tiendas 0.818063 ALTO Alta asociación entre others__co-deudor=0 y otherplans__tiendas=1 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor housing__alquiler 0.831152 ALTO Alta asociación entre others__co-deudor=0 y housing__alquiler=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor housing__gratis 0.896597 ALTO Alta asociación entre others__co-deudor=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor housing__propietario 0.727749 ALTO Alta asociación entre others__co-deudor=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor job__altamente calificado/funcionario 0.854712 ALTO Alta asociación entre others__co-deudor=0 y job__altamente calificado/funcionario=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor job__calificado 0.633508 ALTO Alta asociación entre others__co-deudor=0 y job__calificado=1 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor job__desempleado/no calificado 0.980366 ALTO Alta asociación entre others__co-deudor=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor job__no calificado residente 0.798429 ALTO Alta asociación entre others__co-deudor=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor telephone__no 0.596859 ALTO Alta asociación entre others__co-deudor=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor telephone__sí 0.596859 ALTO Alta asociación entre others__co-deudor=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor estado_civil__casado/viudo 0.909686 ALTO Alta asociación entre others__co-deudor=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor estado_civil__divorciada/separada/casada 0.687173 ALTO Alta asociación entre others__co-deudor=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor estado_civil__divorciado/separado 0.945026 ALTO Alta asociación entre others__co-deudor=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__co-deudor estado_civil__soltero 0.541885 ALTO Alta asociación entre others__co-deudor=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante others__ninguno 0.952569 ALTO Alta asociación entre others__garante=0 y others__ninguno=1 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante property__automóvil 0.657444 ALTO Alta asociación entre others__garante=0 y property__automóvil=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante property__bienes inmuebles 0.724638 ALTO Alta asociación entre others__garante=0 y property__bienes inmuebles=0 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante property__seguro de vida 0.766798 ALTO Alta asociación entre others__garante=0 y property__seguro de vida=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante property__sin propiedad 0.851120 ALTO Alta asociación entre others__garante=0 y property__sin propiedad=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante otherplans__banco 0.947299 ALTO Alta asociación entre others__garante=0 y otherplans__banco=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante otherplans__ninguno 0.873518 ALTO Alta asociación entre others__garante=0 y otherplans__ninguno=0 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante otherplans__tiendas 0.820817 ALTO Alta asociación entre others__garante=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante housing__alquiler 0.826087 ALTO Alta asociación entre others__garante=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante housing__gratis 0.893281 ALTO Alta asociación entre others__garante=0 y housing__gratis=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante housing__propietario 0.719368 ALTO Alta asociación entre others__garante=0 y housing__propietario=1 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante job__altamente calificado/funcionario 0.847167 ALTO Alta asociación entre others__garante=0 y job__altamente calificado/funcionario=0 (proporción 0.847), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante job__calificado 0.632411 ALTO Alta asociación entre others__garante=0 y job__calificado=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante job__desempleado/no calificado 0.977602 ALTO Alta asociación entre others__garante=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante job__no calificado residente 0.807642 ALTO Alta asociación entre others__garante=0 y job__no calificado residente=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante telephone__no 0.591568 ALTO Alta asociación entre others__garante=0 y telephone__no=1 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante telephone__sí 0.591568 ALTO Alta asociación entre others__garante=0 y telephone__sí=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante estado_civil__casado/viudo 0.913043 ALTO Alta asociación entre others__garante=0 y estado_civil__casado/viudo=0 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante estado_civil__divorciada/separada/casada 0.689065 ALTO Alta asociación entre others__garante=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.689), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante estado_civil__divorciado/separado 0.945982 ALTO Alta asociación entre others__garante=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__garante estado_civil__soltero 0.548090 ALTO Alta asociación entre others__garante=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno property__automóvil 0.857143 ALTO Alta asociación entre others__ninguno=0 y property__automóvil=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno property__bienes inmuebles 0.545455 ALTO Alta asociación entre others__ninguno=0 y property__bienes inmuebles=0 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno property__seguro de vida 0.753247 ALTO Alta asociación entre others__ninguno=0 y property__seguro de vida=0 (proporción 0.753), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno property__sin propiedad 0.844156 ALTO Alta asociación entre others__ninguno=0 y property__sin propiedad=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno otherplans__banco 0.974026 ALTO Alta asociación entre others__ninguno=0 y otherplans__banco=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno otherplans__ninguno 0.831169 ALTO Alta asociación entre others__ninguno=0 y otherplans__ninguno=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno otherplans__tiendas 0.805195 ALTO Alta asociación entre others__ninguno=0 y otherplans__tiendas=1 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno housing__alquiler 0.779221 ALTO Alta asociación entre others__ninguno=0 y housing__alquiler=0 (proporción 0.779), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno housing__gratis 0.948052 ALTO Alta asociación entre others__ninguno=0 y housing__gratis=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno housing__propietario 0.727273 ALTO Alta asociación entre others__ninguno=0 y housing__propietario=1 (proporción 0.727), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno job__altamente calificado/funcionario 0.909091 ALTO Alta asociación entre others__ninguno=0 y job__altamente calificado/funcionario=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno job__calificado 0.649351 ALTO Alta asociación entre others__ninguno=0 y job__calificado=1 (proporción 0.649), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno job__desempleado/no calificado 0.974026 ALTO Alta asociación entre others__ninguno=0 y job__desempleado/no calificado=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno job__no calificado residente 0.766234 ALTO Alta asociación entre others__ninguno=0 y job__no calificado residente=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno telephone__no 0.688312 ALTO Alta asociación entre others__ninguno=0 y telephone__no=1 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno telephone__sí 0.688312 ALTO Alta asociación entre others__ninguno=0 y telephone__sí=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno estado_civil__casado/viudo 0.883117 ALTO Alta asociación entre others__ninguno=0 y estado_civil__casado/viudo=0 (proporción 0.883), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno estado_civil__divorciada/separada/casada 0.675325 ALTO Alta asociación entre others__ninguno=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.675), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno estado_civil__divorciado/separado 0.987013 ALTO Alta asociación entre others__ninguno=0 y estado_civil__divorciado/separado=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
others__ninguno estado_civil__soltero 0.545455 ALTO Alta asociación entre others__ninguno=0 y estado_civil__soltero=1 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil property__bienes inmuebles 0.566108 ALTO Alta asociación entre property__automóvil=0 y property__bienes inmuebles=0 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil property__seguro de vida 0.648045 ALTO Alta asociación entre property__automóvil=0 y property__seguro de vida=0 (proporción 0.648), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil property__sin propiedad 0.785847 ALTO Alta asociación entre property__automóvil=0 y property__sin propiedad=0 (proporción 0.786), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil otherplans__banco 0.951583 ALTO Alta asociación entre property__automóvil=0 y otherplans__banco=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil otherplans__ninguno 0.869646 ALTO Alta asociación entre property__automóvil=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil otherplans__tiendas 0.821229 ALTO Alta asociación entre property__automóvil=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil housing__alquiler 0.826816 ALTO Alta asociación entre property__automóvil=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil housing__gratis 0.849162 ALTO Alta asociación entre property__automóvil=0 y housing__gratis=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil housing__propietario 0.675978 ALTO Alta asociación entre property__automóvil=0 y housing__propietario=1 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil job__altamente calificado/funcionario 0.864060 ALTO Alta asociación entre property__automóvil=0 y job__altamente calificado/funcionario=0 (proporción 0.864), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil job__calificado 0.597765 ALTO Alta asociación entre property__automóvil=0 y job__calificado=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil job__desempleado/no calificado 0.977654 ALTO Alta asociación entre property__automóvil=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil job__no calificado residente 0.756052 ALTO Alta asociación entre property__automóvil=0 y job__no calificado residente=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil telephone__no 0.623836 ALTO Alta asociación entre property__automóvil=0 y telephone__no=1 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil telephone__sí 0.623836 ALTO Alta asociación entre property__automóvil=0 y telephone__sí=0 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil estado_civil__casado/viudo 0.905028 ALTO Alta asociación entre property__automóvil=0 y estado_civil__casado/viudo=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil estado_civil__divorciada/separada/casada 0.689013 ALTO Alta asociación entre property__automóvil=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.689), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil estado_civil__divorciado/separado 0.951583 ALTO Alta asociación entre property__automóvil=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__automóvil estado_civil__soltero 0.545624 ALTO Alta asociación entre property__automóvil=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles property__seguro de vida 0.666667 ALTO Alta asociación entre property__bienes inmuebles=0 y property__seguro de vida=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles property__sin propiedad 0.797178 ALTO Alta asociación entre property__bienes inmuebles=0 y property__sin propiedad=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles otherplans__banco 0.948854 ALTO Alta asociación entre property__bienes inmuebles=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles otherplans__ninguno 0.855379 ALTO Alta asociación entre property__bienes inmuebles=0 y otherplans__ninguno=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles otherplans__tiendas 0.804233 ALTO Alta asociación entre property__bienes inmuebles=0 y otherplans__tiendas=1 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles housing__alquiler 0.835979 ALTO Alta asociación entre property__bienes inmuebles=0 y housing__alquiler=0 (proporción 0.836), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles housing__gratis 0.857143 ALTO Alta asociación entre property__bienes inmuebles=0 y housing__gratis=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles housing__propietario 0.693122 ALTO Alta asociación entre property__bienes inmuebles=0 y housing__propietario=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles job__altamente calificado/funcionario 0.816578 ALTO Alta asociación entre property__bienes inmuebles=0 y job__altamente calificado/funcionario=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles job__calificado 0.652557 ALTO Alta asociación entre property__bienes inmuebles=0 y job__calificado=1 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles job__desempleado/no calificado 0.982363 ALTO Alta asociación entre property__bienes inmuebles=0 y job__desempleado/no calificado=0 (proporción 0.982), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles job__no calificado residente 0.853616 ALTO Alta asociación entre property__bienes inmuebles=0 y job__no calificado residente=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles telephone__no 0.546737 ALTO Alta asociación entre property__bienes inmuebles=0 y telephone__no=1 (proporción 0.547), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles telephone__sí 0.546737 ALTO Alta asociación entre property__bienes inmuebles=0 y telephone__sí=0 (proporción 0.547), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles estado_civil__casado/viudo 0.932981 ALTO Alta asociación entre property__bienes inmuebles=0 y estado_civil__casado/viudo=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles estado_civil__divorciada/separada/casada 0.694885 ALTO Alta asociación entre property__bienes inmuebles=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles estado_civil__divorciado/separado 0.952381 ALTO Alta asociación entre property__bienes inmuebles=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__bienes inmuebles estado_civil__soltero 0.580247 ALTO Alta asociación entre property__bienes inmuebles=0 y estado_civil__soltero=1 (proporción 0.580), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida property__sin propiedad 0.811784 ALTO Alta asociación entre property__seguro de vida=0 y property__sin propiedad=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida otherplans__banco 0.949264 ALTO Alta asociación entre property__seguro de vida=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida otherplans__ninguno 0.867430 ALTO Alta asociación entre property__seguro de vida=0 y otherplans__ninguno=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida otherplans__tiendas 0.816694 ALTO Alta asociación entre property__seguro de vida=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida housing__alquiler 0.828151 ALTO Alta asociación entre property__seguro de vida=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida housing__gratis 0.869067 ALTO Alta asociación entre property__seguro de vida=0 y housing__gratis=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida housing__propietario 0.697218 ALTO Alta asociación entre property__seguro de vida=0 y housing__propietario=1 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida job__altamente calificado/funcionario 0.849427 ALTO Alta asociación entre property__seguro de vida=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida job__calificado 0.635025 ALTO Alta asociación entre property__seguro de vida=0 y job__calificado=1 (proporción 0.635), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida job__desempleado/no calificado 0.975450 ALTO Alta asociación entre property__seguro de vida=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida job__no calificado residente 0.810147 ALTO Alta asociación entre property__seguro de vida=0 y job__no calificado residente=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida telephone__no 0.597381 ALTO Alta asociación entre property__seguro de vida=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida telephone__sí 0.597381 ALTO Alta asociación entre property__seguro de vida=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida estado_civil__casado/viudo 0.908347 ALTO Alta asociación entre property__seguro de vida=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida estado_civil__divorciada/separada/casada 0.703764 ALTO Alta asociación entre property__seguro de vida=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.704), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida estado_civil__divorciado/separado 0.942717 ALTO Alta asociación entre property__seguro de vida=0 y estado_civil__divorciado/separado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__seguro de vida estado_civil__soltero 0.554828 ALTO Alta asociación entre property__seguro de vida=0 y estado_civil__soltero=1 (proporción 0.555), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad otherplans__banco 0.945985 ALTO Alta asociación entre property__sin propiedad=0 y otherplans__banco=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad otherplans__ninguno 0.884672 ALTO Alta asociación entre property__sin propiedad=0 y otherplans__ninguno=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad otherplans__tiendas 0.830657 ALTO Alta asociación entre property__sin propiedad=0 y otherplans__tiendas=1 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad housing__alquiler 0.816058 ALTO Alta asociación entre property__sin propiedad=0 y housing__alquiler=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad housing__gratis 0.994161 ALTO Alta asociación entre property__sin propiedad=0 y housing__gratis=0 (proporción 0.994), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad housing__propietario 0.810219 ALTO Alta asociación entre property__sin propiedad=0 y housing__propietario=1 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad job__altamente calificado/funcionario 0.880292 ALTO Alta asociación entre property__sin propiedad=0 y job__altamente calificado/funcionario=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad job__calificado 0.645255 ALTO Alta asociación entre property__sin propiedad=0 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad job__desempleado/no calificado 0.979562 ALTO Alta asociación entre property__sin propiedad=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad job__no calificado residente 0.785401 ALTO Alta asociación entre property__sin propiedad=0 y job__no calificado residente=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad telephone__no 0.623358 ALTO Alta asociación entre property__sin propiedad=0 y telephone__no=1 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad telephone__sí 0.623358 ALTO Alta asociación entre property__sin propiedad=0 y telephone__sí=0 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad estado_civil__casado/viudo 0.896350 ALTO Alta asociación entre property__sin propiedad=0 y estado_civil__casado/viudo=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad estado_civil__divorciada/separada/casada 0.665693 ALTO Alta asociación entre property__sin propiedad=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad estado_civil__divorciado/separado 0.944526 ALTO Alta asociación entre property__sin propiedad=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
property__sin propiedad estado_civil__soltero 0.506569 ALTO Alta asociación entre property__sin propiedad=0 y estado_civil__soltero=1 (proporción 0.507), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco otherplans__ninguno 0.862978 ALTO Alta asociación entre otherplans__banco=0 y otherplans__ninguno=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco otherplans__tiendas 0.862978 ALTO Alta asociación entre otherplans__banco=0 y otherplans__tiendas=1 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco housing__alquiler 0.818182 ALTO Alta asociación entre otherplans__banco=0 y housing__alquiler=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco housing__gratis 0.895916 ALTO Alta asociación entre otherplans__banco=0 y housing__gratis=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco housing__propietario 0.714097 ALTO Alta asociación entre otherplans__banco=0 y housing__propietario=1 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco job__altamente calificado/funcionario 0.857708 ALTO Alta asociación entre otherplans__banco=0 y job__altamente calificado/funcionario=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco job__calificado 0.641634 ALTO Alta asociación entre otherplans__banco=0 y job__calificado=1 (proporción 0.642), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco job__desempleado/no calificado 0.977602 ALTO Alta asociación entre otherplans__banco=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco job__no calificado residente 0.806324 ALTO Alta asociación entre otherplans__banco=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco telephone__no 0.600791 ALTO Alta asociación entre otherplans__banco=0 y telephone__no=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco telephone__sí 0.600791 ALTO Alta asociación entre otherplans__banco=0 y telephone__sí=0 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco estado_civil__casado/viudo 0.909091 ALTO Alta asociación entre otherplans__banco=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco estado_civil__divorciada/separada/casada 0.682477 ALTO Alta asociación entre otherplans__banco=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco estado_civil__divorciado/separado 0.945982 ALTO Alta asociación entre otherplans__banco=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__banco estado_civil__soltero 0.537549 ALTO Alta asociación entre otherplans__banco=0 y estado_civil__soltero=1 (proporción 0.538), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno otherplans__tiendas 0.941092 ALTO Alta asociación entre otherplans__ninguno=0 y otherplans__tiendas=1 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno housing__alquiler 0.824713 ALTO Alta asociación entre otherplans__ninguno=0 y housing__alquiler=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno housing__gratis 0.903736 ALTO Alta asociación entre otherplans__ninguno=0 y housing__gratis=0 (proporción 0.904), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno housing__propietario 0.728448 ALTO Alta asociación entre otherplans__ninguno=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno job__altamente calificado/funcionario 0.862069 ALTO Alta asociación entre otherplans__ninguno=0 y job__altamente calificado/funcionario=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno job__calificado 0.645115 ALTO Alta asociación entre otherplans__ninguno=0 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno job__desempleado/no calificado 0.977011 ALTO Alta asociación entre otherplans__ninguno=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno job__no calificado residente 0.806034 ALTO Alta asociación entre otherplans__ninguno=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno telephone__no 0.602011 ALTO Alta asociación entre otherplans__ninguno=0 y telephone__no=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno telephone__sí 0.602011 ALTO Alta asociación entre otherplans__ninguno=0 y telephone__sí=0 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno estado_civil__casado/viudo 0.908046 ALTO Alta asociación entre otherplans__ninguno=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno estado_civil__divorciada/separada/casada 0.683908 ALTO Alta asociación entre otherplans__ninguno=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno estado_civil__divorciado/separado 0.945402 ALTO Alta asociación entre otherplans__ninguno=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__ninguno estado_civil__soltero 0.537356 ALTO Alta asociación entre otherplans__ninguno=0 y estado_civil__soltero=1 (proporción 0.537), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas housing__alquiler 0.875862 ALTO Alta asociación entre otherplans__tiendas=0 y housing__alquiler=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas housing__gratis 0.875862 ALTO Alta asociación entre otherplans__tiendas=0 y housing__gratis=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas housing__propietario 0.751724 ALTO Alta asociación entre otherplans__tiendas=0 y housing__propietario=1 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas job__altamente calificado/funcionario 0.793103 ALTO Alta asociación entre otherplans__tiendas=0 y job__altamente calificado/funcionario=0 (proporción 0.793), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas job__calificado 0.537931 ALTO Alta asociación entre otherplans__tiendas=0 y job__calificado=1 (proporción 0.538), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas job__desempleado/no calificado 0.993103 ALTO Alta asociación entre otherplans__tiendas=0 y job__desempleado/no calificado=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas job__no calificado residente 0.751724 ALTO Alta asociación entre otherplans__tiendas=0 y job__no calificado residente=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas telephone__no 0.572414 ALTO Alta asociación entre otherplans__tiendas=0 y telephone__no=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas telephone__sí 0.572414 ALTO Alta asociación entre otherplans__tiendas=0 y telephone__sí=0 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas estado_civil__casado/viudo 0.924138 ALTO Alta asociación entre otherplans__tiendas=0 y estado_civil__casado/viudo=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas estado_civil__divorciada/separada/casada 0.731034 ALTO Alta asociación entre otherplans__tiendas=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas estado_civil__divorciado/separado 0.965517 ALTO Alta asociación entre otherplans__tiendas=0 y estado_civil__divorciado/separado=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
otherplans__tiendas estado_civil__soltero 0.620690 ALTO Alta asociación entre otherplans__tiendas=0 y estado_civil__soltero=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler housing__gratis 0.875946 ALTO Alta asociación entre housing__alquiler=0 y housing__gratis=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler housing__propietario 0.875946 ALTO Alta asociación entre housing__alquiler=0 y housing__propietario=1 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler job__altamente calificado/funcionario 0.850227 ALTO Alta asociación entre housing__alquiler=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler job__calificado 0.629349 ALTO Alta asociación entre housing__alquiler=0 y job__calificado=1 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler job__desempleado/no calificado 0.977307 ALTO Alta asociación entre housing__alquiler=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler job__no calificado residente 0.801815 ALTO Alta asociación entre housing__alquiler=0 y job__no calificado residente=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler telephone__no 0.594554 ALTO Alta asociación entre housing__alquiler=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler telephone__sí 0.594554 ALTO Alta asociación entre housing__alquiler=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler estado_civil__casado/viudo 0.919818 ALTO Alta asociación entre housing__alquiler=0 y estado_civil__casado/viudo=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler estado_civil__divorciada/separada/casada 0.730711 ALTO Alta asociación entre housing__alquiler=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler estado_civil__divorciado/separado 0.944024 ALTO Alta asociación entre housing__alquiler=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__alquiler estado_civil__soltero 0.594554 ALTO Alta asociación entre housing__alquiler=0 y estado_civil__soltero=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis housing__propietario 0.806407 ALTO Alta asociación entre housing__gratis=0 y housing__propietario=1 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis job__altamente calificado/funcionario 0.871866 ALTO Alta asociación entre housing__gratis=0 y job__altamente calificado/funcionario=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis job__calificado 0.640669 ALTO Alta asociación entre housing__gratis=0 y job__calificado=1 (proporción 0.641), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis job__desempleado/no calificado 0.980501 ALTO Alta asociación entre housing__gratis=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis job__no calificado residente 0.788301 ALTO Alta asociación entre housing__gratis=0 y job__no calificado residente=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis telephone__no 0.614206 ALTO Alta asociación entre housing__gratis=0 y telephone__no=1 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis telephone__sí 0.614206 ALTO Alta asociación entre housing__gratis=0 y telephone__sí=0 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis estado_civil__casado/viudo 0.899721 ALTO Alta asociación entre housing__gratis=0 y estado_civil__casado/viudo=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis estado_civil__divorciada/separada/casada 0.668524 ALTO Alta asociación entre housing__gratis=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis estado_civil__divorciado/separado 0.944290 ALTO Alta asociación entre housing__gratis=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__gratis estado_civil__soltero 0.512535 ALTO Alta asociación entre housing__gratis=0 y estado_civil__soltero=1 (proporción 0.513), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario job__altamente calificado/funcionario 0.805430 ALTO Alta asociación entre housing__propietario=0 y job__altamente calificado/funcionario=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario job__calificado 0.624434 ALTO Alta asociación entre housing__propietario=0 y job__calificado=1 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario job__desempleado/no calificado 0.977376 ALTO Alta asociación entre housing__propietario=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario job__no calificado residente 0.841629 ALTO Alta asociación entre housing__propietario=0 y job__no calificado residente=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario telephone__no 0.561086 ALTO Alta asociación entre housing__propietario=0 y telephone__no=1 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario telephone__sí 0.561086 ALTO Alta asociación entre housing__propietario=0 y telephone__sí=0 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario estado_civil__casado/viudo 0.914027 ALTO Alta asociación entre housing__propietario=0 y estado_civil__casado/viudo=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario estado_civil__divorciada/separada/casada 0.619910 ALTO Alta asociación entre housing__propietario=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.620), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario estado_civil__divorciado/separado 0.968326 ALTO Alta asociación entre housing__propietario=0 y estado_civil__divorciado/separado=0 (proporción 0.968), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
housing__propietario estado_civil__soltero 0.502262 ALTO Alta asociación entre housing__propietario=0 y estado_civil__soltero=1 (proporción 0.502), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario job__calificado 0.742313 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y job__calificado=1 (proporción 0.742), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario job__desempleado/no calificado 0.975110 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario job__no calificado residente 0.767204 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y job__no calificado residente=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario telephone__no 0.677892 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y telephone__no=1 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario telephone__sí 0.677892 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y telephone__sí=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario estado_civil__casado/viudo 0.900439 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__casado/viudo=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario estado_civil__divorciada/separada/casada 0.670571 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario estado_civil__divorciado/separado 0.953148 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__divorciado/separado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__altamente calificado/funcionario estado_civil__soltero 0.524158 ALTO Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__soltero=1 (proporción 0.524), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado job__desempleado/no calificado 0.941980 ALTO Alta asociación entre job__calificado=0 y job__desempleado/no calificado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado job__no calificado residente 0.542662 ALTO Alta asociación entre job__calificado=0 y job__no calificado residente=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado telephone__no 0.563140 ALTO Alta asociación entre job__calificado=0 y telephone__no=1 (proporción 0.563), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado telephone__sí 0.563140 ALTO Alta asociación entre job__calificado=0 y telephone__sí=0 (proporción 0.563), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado estado_civil__casado/viudo 0.918089 ALTO Alta asociación entre job__calificado=0 y estado_civil__casado/viudo=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado estado_civil__divorciada/separada/casada 0.713311 ALTO Alta asociación entre job__calificado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado estado_civil__divorciado/separado 0.941980 ALTO Alta asociación entre job__calificado=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__calificado estado_civil__soltero 0.573379 ALTO Alta asociación entre job__calificado=0 y estado_civil__soltero=1 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado job__no calificado residente 0.796935 ALTO Alta asociación entre job__desempleado/no calificado=0 y job__no calificado residente=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado telephone__no 0.595147 ALTO Alta asociación entre job__desempleado/no calificado=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado telephone__sí 0.595147 ALTO Alta asociación entre job__desempleado/no calificado=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado estado_civil__casado/viudo 0.910600 ALTO Alta asociación entre job__desempleado/no calificado=0 y estado_civil__casado/viudo=0 (proporción 0.911), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado estado_civil__divorciada/separada/casada 0.690932 ALTO Alta asociación entre job__desempleado/no calificado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado estado_civil__divorciado/separado 0.946360 ALTO Alta asociación entre job__desempleado/no calificado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__desempleado/no calificado estado_civil__soltero 0.547893 ALTO Alta asociación entre job__desempleado/no calificado=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente telephone__no 0.535101 ALTO Alta asociación entre job__no calificado residente=0 y telephone__no=1 (proporción 0.535), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente telephone__sí 0.535101 ALTO Alta asociación entre job__no calificado residente=0 y telephone__sí=0 (proporción 0.535), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente estado_civil__casado/viudo 0.915757 ALTO Alta asociación entre job__no calificado residente=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente estado_civil__divorciada/separada/casada 0.689548 ALTO Alta asociación entre job__no calificado residente=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente estado_civil__divorciado/separado 0.945398 ALTO Alta asociación entre job__no calificado residente=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
job__no calificado residente estado_civil__soltero 0.550702 ALTO Alta asociación entre job__no calificado residente=0 y estado_civil__soltero=1 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no telephone__sí 1.000000 ALTO Alta asociación entre telephone__no=0 y telephone__sí=1 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no estado_civil__casado/viudo 0.915888 ALTO Alta asociación entre telephone__no=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no estado_civil__divorciada/separada/casada 0.735202 ALTO Alta asociación entre telephone__no=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.735), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no estado_civil__divorciado/separado 0.934579 ALTO Alta asociación entre telephone__no=0 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__no estado_civil__soltero 0.585670 ALTO Alta asociación entre telephone__no=0 y estado_civil__soltero=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__sí estado_civil__casado/viudo 0.906054 ALTO Alta asociación entre telephone__sí=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__sí estado_civil__divorciada/separada/casada 0.655532 ALTO Alta asociación entre telephone__sí=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__sí estado_civil__divorciado/separado 0.956159 ALTO Alta asociación entre telephone__sí=0 y estado_civil__divorciado/separado=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
telephone__sí estado_civil__soltero 0.517745 ALTO Alta asociación entre telephone__sí=0 y estado_civil__soltero=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__casado/viudo estado_civil__divorciada/separada/casada 0.656593 ALTO Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__casado/viudo estado_civil__divorciado/separado 0.942308 ALTO Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__casado/viudo estado_civil__soltero 0.598901 ALTO Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__soltero=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__divorciada/separada/casada estado_civil__divorciado/separado 0.923636 ALTO Alta asociación entre estado_civil__divorciada/separada/casada=0 y estado_civil__divorciado/separado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__divorciada/separada/casada estado_civil__soltero 0.792727 ALTO Alta asociación entre estado_civil__divorciada/separada/casada=0 y estado_civil__soltero=1 (proporción 0.793), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
estado_civil__divorciado/separado estado_civil__soltero 0.575198 ALTO Alta asociación entre estado_civil__divorciado/separado=0 y estado_civil__soltero=1 (proporción 0.575), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo.
sexo class 0.644000 ALTO Alta asociación entre sexo=0 y class=1 (proporción 0.644), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación.

2.4 Verificación de calidad de datos

En esta sección se determina que atributos deben ser intervenidos y como se debería realizar dicha intervención

Attribute Data Type Missing Values% Unique Values% Minimum Value Maximum Value DQ Issue
age int64 0.0 6 20.0 75.0 Column has 31 outliers greater than upper bound (62.00) or lower than lower bound(6.00). Cap them or remove them.
duration category 0.0 0 NaN NaN No issue
amount category 0.0 0 NaN NaN No issue
installment category 0.0 0 NaN NaN No issue
residence category 0.0 0 NaN NaN No issue
cards category 0.0 0 NaN NaN 1 rare categories: [4]. Group them into a single category or drop the categories.
liable category 0.0 0 NaN NaN No issue
foreign category 0.0 0 NaN NaN No issue
sexo category 0.0 0 NaN NaN No issue
existingchecking__saldo positivo hasta 200 DM category 0.0 0 NaN NaN No issue
existingchecking__saldo positivo superior a 200 DM category 0.0 0 NaN NaN No issue
existingchecking__sin cuenta corriente category 0.0 0 NaN NaN No issue
existingchecking__sin saldo category 0.0 0 NaN NaN No issue
history__créditos existentes pagados puntualmente hasta ahora category 0.0 0 NaN NaN No issue
history__cuenta crítica/otros créditos existentes (no en este banco) category 0.0 0 NaN NaN No issue
history__no créditos tomados category 0.0 0 NaN NaN No issue
history__retraso en el pago en el pasado category 0.0 0 NaN NaN No issue
history__todos los créditos en este banco devueltos a tiempo category 0.0 0 NaN NaN No issue
purpose__coche nuevo category 0.0 0 NaN NaN No issue
purpose__coche usado category 0.0 0 NaN NaN No issue
purpose__educación category 0.0 0 NaN NaN No issue
purpose__electrodomésticos category 0.0 0 NaN NaN No issue
purpose__muebles/equipo category 0.0 0 NaN NaN No issue
purpose__negocios category 0.0 0 NaN NaN No issue
purpose__otros category 0.0 0 NaN NaN No issue
purpose__radio/TV category 0.0 0 NaN NaN No issue
purpose__reparaciones category 0.0 0 NaN NaN No issue
purpose__retraining category 0.0 0 NaN NaN 1 rare categories: [1]. Group them into a single category or drop the categories.
savings__saldo positivo de 100 a 500 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo de 500 a 1000 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo hasta 100 DM category 0.0 0 NaN NaN No issue
savings__saldo positivo superior a 1000 DM category 0.0 0 NaN NaN No issue
savings__sin cuenta de ahorros category 0.0 0 NaN NaN No issue
employ__desempleado category 0.0 0 NaN NaN No issue
employ__empleado de 1 a 4 años category 0.0 0 NaN NaN No issue
employ__empleado de 4 a 7 años category 0.0 0 NaN NaN No issue
employ__empleado menos de 1 año category 0.0 0 NaN NaN No issue
employ__empleado más de 7 años category 0.0 0 NaN NaN No issue
others__co-deudor category 0.0 0 NaN NaN No issue
others__garante category 0.0 0 NaN NaN No issue
others__ninguno category 0.0 0 NaN NaN No issue
property__automóvil category 0.0 0 NaN NaN No issue
property__bienes inmuebles category 0.0 0 NaN NaN No issue
property__seguro de vida category 0.0 0 NaN NaN No issue
property__sin propiedad category 0.0 0 NaN NaN No issue
otherplans__banco category 0.0 0 NaN NaN No issue
otherplans__ninguno category 0.0 0 NaN NaN No issue
otherplans__tiendas category 0.0 0 NaN NaN No issue
housing__alquiler category 0.0 0 NaN NaN No issue
housing__gratis category 0.0 0 NaN NaN No issue
class category 0.0 0 NaN NaN Target column
3. Preparación de los datos

En esta etapa los datos deben ser intervenidos con el fin de que tengan las representaciones adecuadas tanto del caso de uso que se está solucionando

Metrica Columna_1 Columna_2 Valor Ranking
Chi-cuadrado telephone__no telephone__sí 795.843056 True
Chi-cuadrado sexo estado_civil__divorciada/separada/casada 795.352225 True
Chi-cuadrado otherplans__ninguno otherplans__tiendas 533.669035 True
Chi-cuadrado property__sin propiedad housing__gratis 476.693503 True
Chi-cuadrado housing__alquiler housing__propietario 436.377013 True
Chi-cuadrado estado_civil__divorciada/separada/casada estado_civil__soltero 432.373498 True
Chi-cuadrado sexo estado_civil__soltero 432.373498 True
Chi-cuadrado history__créditos existentes pagados puntualmente hasta ahora history__cuenta crítica/otros créditos existentes (no en este banco) 399.524545 True
Chi-cuadrado others__garante others__ninguno 394.892768 True
Chi-cuadrado others__co-deudor others__ninguno 343.158322 True
ANOVA F-test employ__empleado más de 7 años age 4.603861 True
ANOVA F-test residence age 3.506283 True
ANOVA F-test housing__gratis age 3.051811 True
ANOVA F-test employ__desempleado age 2.828848 True
ANOVA F-test liable age 2.819207 True
ANOVA F-test estado_civil__soltero age 2.711606 True
ANOVA F-test housing__alquiler age 2.580137 True
ANOVA F-test job__desempleado/no calificado age 2.546954 True
ANOVA F-test history__cuenta crítica/otros créditos existentes (no en este banco) age 2.391072 True
ANOVA F-test sexo age 2.335601 True
Mutual Information telephone__sí telephone__no 0.673515 True
Mutual Information telephone__no telephone__sí 0.673515 True
Mutual Information sexo estado_civil__divorciada/separada/casada 0.621086 True
Mutual Information estado_civil__divorciada/separada/casada sexo 0.621086 True
Mutual Information sexo estado_civil__soltero 0.338246 True
Mutual Information estado_civil__soltero sexo 0.338246 True
Mutual Information estado_civil__divorciada/separada/casada estado_civil__soltero 0.338246 True
Mutual Information estado_civil__soltero estado_civil__divorciada/separada/casada 0.338246 True
Mutual Information history__cuenta crítica/otros créditos existentes (no en este banco) history__créditos existentes pagados puntualmente hasta ahora 0.315373 True
Mutual Information history__créditos existentes pagados puntualmente hasta ahora history__cuenta crítica/otros créditos existentes (no en este banco) 0.315373 True

Este informe presenta el análisis de equidad realizado sobre el dataset y los modelos evaluados.

Group Non-Privileged Label Distribution Jensen-Shannon Divergence Kullback-Leibler Divergence Demographic Parity Theil Index (Overall) Theil Index (Within-group) Theil Index (Between-group)
Non-Privileged Group (sexo != 1) {1: 0.644, 0: 0.356} 0.010628 0.042065 0.081455 0.0 0.0 0.0
Heatmap de Correlación
4. Modelado

En esta fase se prueban las técnicas y algoritmos de ML más adecuados para abordar el problema en cuestión

4.2 Generación de un diseño de comprobación

La clasificación se trata de predecir etiquetas de clase dados los datos de entrada. En clasificación binaria, hay dos clases de salida posibles; por lo tanto se establece cual valor corresponde a la clase positiva y cual a la negativa, adicionalmente la métrica de rendimiento que se utilizará para definir el mejor de los modelos

Metrica Descripcion Tipo
average_odds_difference Promedio de la diferencia en las tasas de falsos positivos y verdaderos positivos entre grupos. Equidad
equal_opportunity_difference Diferencia en la tasa de verdaderos positivos (recall) entre grupos. Equidad
statistical_parity_difference Diferencia entre las tasas de resultados positivos entre grupos; indica disparidad de selección. Equidad
disparate_impact Razón entre la tasa de selección de un grupo y la de otro; detecta discriminación si es muy diferente de 1. Equidad
accuracy Proporción de predicciones correctas respecto al total de muestras; mide el rendimiento general de un modelo. Rendimiento
f1_score Media armónica entre precisión y recall; equilibra la importancia de falsos positivos y falsos negativos. Rendimiento

4.3 Generación de los modelos

Cual es el comportamiento de los modelos generados para cada una de las técnicas seleccionadas y de las métricas de rendimiento definidas

Clasificador Configuración Resultado
LinearSVC División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0}
RidgeClassifierCV División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0}
LogisticRegressionCV División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0}
LinearDiscriminantAnalysis División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0}
MLPClassifier División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0}
ExtraTreesClassifier División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no {'accuracy': 0.575, 'f1_score': 0.6863468634686347, 'average_odds_difference': -0.0474999999999999, 'disparate_impact': 0.8506944444444445, 'equal_opportunity_difference': -0.1949999999999999, 'statistical_parity_difference': -0.1023809523809523}
MLPClassifier División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.635, 'f1_score': 0.7137254901960784, 'average_odds_difference': 0.075, 'disparate_impact': 1.0632911392405062, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0357142857142857}
LinearDiscriminantAnalysis División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.65, 'f1_score': 0.7154471544715447, 'average_odds_difference': 0.0749999999999999, 'disparate_impact': 1.009009009009009, 'equal_opportunity_difference': -0.075, 'statistical_parity_difference': 0.0047619047619047}
LinearSVC División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.655, 'f1_score': 0.7228915662650602, 'average_odds_difference': 0.0699999999999999, 'disparate_impact': 1.0131578947368425, 'equal_opportunity_difference': -0.06, 'statistical_parity_difference': 0.0071428571428572}
ExtraTreesClassifier División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.73, 'f1_score': 0.8163265306122449, 'average_odds_difference': 0.0225, 'disparate_impact': 0.963302752293578, 'equal_opportunity_difference': -0.0799999999999999, 'statistical_parity_difference': -0.0285714285714285}
LogisticRegressionCV División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None {'accuracy': 0.7, 'f1_score': 0.7931034482758621, 'average_odds_difference': -0.0199999999999999, 'disparate_impact': 0.9376947040498445, 'equal_opportunity_difference': -0.0649999999999999, 'statistical_parity_difference': -0.0476190476190475}
MLPClassifier División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.715, 'f1_score': 0.7985865724381626, 'average_odds_difference': 0.0174999999999999, 'disparate_impact': 0.9379084967320264, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0452380952380951}
RidgeClassifierCV División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.655, 'f1_score': 0.7160493827160493, 'average_odds_difference': 0.05, 'disparate_impact': 0.958904109589041, 'equal_opportunity_difference': -0.0999999999999999, 'statistical_parity_difference': -0.0214285714285714}
MLPClassifier División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.685, 'f1_score': 0.7758007117437722, 'average_odds_difference': -0.0425, 'disparate_impact': 0.8921568627450981, 'equal_opportunity_difference': -0.1100000000000001, 'statistical_parity_difference': -0.0785714285714285}
MLPClassifier División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None {'accuracy': 0.7, 'f1_score': 0.7872340425531915, 'average_odds_difference': -0.0425, 'disparate_impact': 0.915032679738562, 'equal_opportunity_difference': -0.06, 'statistical_parity_difference': -0.0619047619047619}
LogisticRegressionCV División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.705, 'f1_score': 0.7929824561403509, 'average_odds_difference': -0.0449999999999999, 'disparate_impact': 0.8888888888888888, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0833333333333333}
LinearSVC División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.7, 'f1_score': 0.7887323943661971, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8666666666666667, 'equal_opportunity_difference': -0.14, 'statistical_parity_difference': -0.0999999999999999}
LogisticRegressionCV División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.7, 'f1_score': 0.7887323943661971, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8666666666666667, 'equal_opportunity_difference': -0.14, 'statistical_parity_difference': -0.0999999999999999}
RidgeClassifierCV División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.7, 'f1_score': 0.7916666666666666, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8641975308641975, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.1047619047619048}
LinearDiscriminantAnalysis División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.7, 'f1_score': 0.7916666666666666, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8641975308641975, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.1047619047619048}
LinearDiscriminantAnalysis División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None {'accuracy': 0.705, 'f1_score': 0.794425087108014, 'average_odds_difference': -0.0625, 'disparate_impact': 0.8722741433021807, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.0976190476190476}
LinearDiscriminantAnalysis División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.705, 'f1_score': 0.794425087108014, 'average_odds_difference': -0.0625, 'disparate_impact': 0.8722741433021807, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.0976190476190476}
LinearSVC División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.7, 'f1_score': 0.7872340425531915, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8525641025641025, 'equal_opportunity_difference': -0.1649999999999999, 'statistical_parity_difference': -0.1095238095238095}
RidgeClassifierCV División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.7, 'f1_score': 0.7902097902097902, 'average_odds_difference': -0.075, 'disparate_impact': 0.8504672897196263, 'equal_opportunity_difference': -0.15, 'statistical_parity_difference': -0.1142857142857142}
ExtraTreesClassifier División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. {'accuracy': 0.745, 'f1_score': 0.8222996515679443, 'average_odds_difference': 0.0, 'disparate_impact': 0.9647435897435898, 'equal_opportunity_difference': -0.025, 'statistical_parity_difference': -0.0261904761904762}
MLPClassifier División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.69, 'f1_score': 0.7615384615384615, 'average_odds_difference': -0.0199999999999999, 'disparate_impact': 0.8850574712643678, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0714285714285714}
ExtraTreesClassifier División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE {'accuracy': 0.72, 'f1_score': 0.8, 'average_odds_difference': -0.0624999999999999, 'disparate_impact': 0.8381877022653722, 'equal_opportunity_difference': -0.1749999999999999, 'statistical_parity_difference': -0.119047619047619}
LogisticRegressionCV División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.68, 'f1_score': 0.7333333333333333, 'average_odds_difference': -2.775557561562892e-17, 'disparate_impact': 0.9074074074074076, 'equal_opportunity_difference': -0.075, 'statistical_parity_difference': -0.0476190476190475}
LogisticRegressionCV División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.69, 'f1_score': 0.753968253968254, 'average_odds_difference': -0.0425, 'disparate_impact': 0.8536585365853658, 'equal_opportunity_difference': -0.1099999999999999, 'statistical_parity_difference': -0.0857142857142857}
LinearDiscriminantAnalysis División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.685, 'f1_score': 0.749003984063745, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8252032520325203, 'equal_opportunity_difference': -0.0999999999999999, 'statistical_parity_difference': -0.1023809523809524}
LinearSVC División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.685, 'f1_score': 0.7529411764705882, 'average_odds_difference': -0.1074999999999999, 'disparate_impact': 0.7509578544061303, 'equal_opportunity_difference': -0.1899999999999999, 'statistical_parity_difference': -0.1547619047619047}
RidgeClassifierCV División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS {'accuracy': 0.705, 'f1_score': 0.7649402390438247, 'average_odds_difference': -0.0975, 'disparate_impact': 0.7871485943775101, 'equal_opportunity_difference': -0.12, 'statistical_parity_difference': -0.1261904761904762}
ExtraTreesClassifier División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS {'accuracy': 0.655, 'f1_score': 0.7063829787234043, 'average_odds_difference': -0.175, 'disparate_impact': 0.6222222222222222, 'equal_opportunity_difference': -0.2, 'statistical_parity_difference': -0.2023809523809523}
5. Evaluación

Una vez establecido el modelo que se utilizará se procede nuevamente a realizar la evaluación de las métricas definidas, para revisar varios aspectos para comprender la calidad y el rendimiento del modelo

5.* Selección de métrica de equidad

Algunas de las métricas utilizadas para detectar la justicia en las decisiones que se toman, se soportan en el análisis de la matriz de confusión...

6. Intervenciones de Equidad

Integrar métodos de identificación y mitigación de sesgos en modelos de ML requiere una comprensión de los objetivos por el cual se requiere automatizar la toma de decisiones...

6.1 Preprocesamiento (Comprensión y preparación de los datos)

Consiste en ajustar los datos antes de iniciar el proceso de entrenamiento...

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.755 0.835017 -2.250000e-02 -0.120 -0.073810 0.908555
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.745 0.818505 -7.250000e-02 -0.170 -0.126190 0.830128
ExtraTreesClassifier PREPROCESSING FOS FAIR_PCA 0.740 0.820690 2.750000e-02 -0.070 -0.023810 0.968553
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.740 0.820690 4.750000e-02 -0.105 -0.023810 0.968553
ExtraTreesClassifier PREPROCESSING FOS FOS 0.740 0.818182 2.500000e-02 -0.050 -0.019048 0.974110
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.735 0.815331 -5.000000e-03 -0.085 -0.050000 0.933333
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.730 0.815068 -1.425000e-01 -0.210 -0.180952 0.777778
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.725 0.807018 -1.250000e-02 -0.100 -0.059524 0.919872
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.720 0.810811 -3.750000e-02 -0.150 -0.090476 0.887906
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.720 0.801418 7.500000e-03 -0.010 -0.014286 0.980000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.720 0.800000 8.250000e-02 -0.035 0.023810 1.034364
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.715 0.806780 -1.075000e-01 -0.140 -0.130952 0.839181
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.715 0.806780 4.000000e-02 -0.070 -0.011905 0.984709
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.715 0.801394 3.500000e-02 -0.030 -0.002381 0.996764
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.715 0.800000 -3.500000e-02 -0.195 -0.107143 0.858491
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.715 0.795699 1.500000e-02 -0.095 -0.040476 0.942761
MLPClassifier PREPROCESSING DEMV FAIR_PCA 0.715 0.792727 -7.500000e-02 -0.250 -0.154762 0.785479
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.710 0.791367 -7.250000e-02 -0.120 -0.104762 0.854785
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.710 0.789855 -7.000000e-02 -0.215 -0.138095 0.808581
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.710 0.786765 -1.075000e-01 -0.265 -0.180952 0.746667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705 0.794425 -6.250000e-02 -0.125 -0.097619 0.872274
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705 0.791519 -4.500000e-02 -0.140 -0.092857 0.875000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.705 0.790036 -1.000000e-01 -0.200 -0.150000 0.800000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.705 0.777358 -1.750000e-02 -0.085 -0.059524 0.907407
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.705 0.764940 -9.750000e-02 -0.120 -0.126190 0.787149
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA 0.700 0.791667 -5.500000e-02 -0.160 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.700 0.791667 -5.500000e-02 -0.160 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.791667 -7.500000e-02 -0.125 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.700 0.791667 -7.500000e-02 -0.125 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER 0.700 0.790210 -5.750000e-02 -0.115 -0.090476 0.880503
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.790210 -7.500000e-02 -0.150 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700 0.790210 -7.250000e-02 -0.220 -0.138095 0.820988
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.700 0.790210 -1.100000e-01 -0.220 -0.161905 0.792049
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.700 0.788732 -4.000000e-02 -0.105 -0.076190 0.897436
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.700 0.788732 -5.750000e-02 -0.140 -0.100000 0.866667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.787234 -5.750000e-02 -0.165 -0.109524 0.852564
LogisticRegressionCV PREPROCESSING FOS FAIR_PCA 0.700 0.785714 -5.000000e-03 -0.085 -0.047619 0.933333
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.700 0.785714 -5.000000e-03 -0.085 -0.047619 0.933333
MLPClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700 0.784173 -3.750000e-02 -0.250 -0.128571 0.823529
LinearDiscriminantAnalysis PREPROCESSING FOS FAIR_PCA 0.700 0.781022 3.000000e-02 -0.090 -0.028571 0.957895
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.700 0.781022 3.000000e-02 -0.090 -0.028571 0.957895
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.700 0.781022 6.750000e-02 -0.090 -0.004762 0.992908
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700 0.781022 2.750000e-02 -0.020 -0.004762 0.992908
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.700 0.781022 3.000000e-02 -0.090 -0.028571 0.957895
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.700 0.781022 3.000000e-02 -0.090 -0.028571 0.957895
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.700 0.781022 6.750000e-02 -0.090 -0.004762 0.992908
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.700 0.779412 -7.750000e-02 -0.255 -0.157143 0.777778
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.700 0.765625 -1.500000e-02 -0.105 -0.066667 0.888889
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.695 0.790378 -1.250000e-02 -0.100 -0.054762 0.929012
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER 0.695 0.788927 2.250000e-02 -0.055 -0.016667 0.977778
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.695 0.788927 -1.050000e-01 -0.160 -0.135714 0.827273
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS 0.695 0.787456 -7.000000e-02 -0.115 -0.097619 0.872274
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695 0.784452 7.750000e-02 -0.095 0.002381 1.003333
MLPClassifier PREPROCESSING FOS FOS 0.695 0.781362 -7.500000e-02 -0.075 -0.088095 0.877888
RidgeClassifierCV PREPROCESSING FOS FAIR_PCA 0.695 0.781362 0.000000e+00 -0.075 -0.040476 0.942761
MLPClassifier PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.695 0.781362 5.750000e-02 -0.110 -0.016667 0.976190
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695 0.781362 0.000000e+00 -0.075 -0.040476 0.942761
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.695 0.781362 -1.050000e-01 -0.285 -0.183333 0.755556
LinearDiscriminantAnalysis PREPROCESSING FOS FOS 0.695 0.778182 2.775558e-17 -0.125 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER 0.695 0.778182 2.775558e-17 -0.125 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.695 0.778182 2.775558e-17 -0.125 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.695 0.778182 2.775558e-17 -0.125 -0.059524 0.914089
LinearSVC PREPROCESSING FOS FAIR_PCA 0.695 0.776557 3.500000e-02 -0.080 -0.021429 0.968085
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695 0.776557 3.500000e-02 -0.080 -0.021429 0.968085
RidgeClassifierCV PREPROCESSING DEMV DEMV 0.695 0.774908 -5.500000e-02 -0.210 -0.126190 0.817869
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.695 0.774908 -5.500000e-02 -0.210 -0.126190 0.817869
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.695 0.774908 -5.500000e-02 -0.210 -0.126190 0.817869
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.695 0.774908 -5.500000e-02 -0.210 -0.126190 0.817869
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.695 0.760784 -2.750000e-02 -0.130 -0.083333 0.861111
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.695 0.760784 -2.750000e-02 -0.130 -0.083333 0.861111
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.695 0.756972 7.500000e-03 -0.110 -0.054762 0.904167
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.695 0.755020 -3.250000e-02 -0.065 -0.064286 0.886076
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.690 0.789116 -1.500000e-01 -0.250 -0.195238 0.764368
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.690 0.784722 -6.250000e-02 -0.150 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.690 0.780142 -1.000000e-01 -0.225 -0.157143 0.792453
RidgeClassifierCV PREPROCESSING FOS FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LinearSVC PREPROCESSING FOS FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.690 0.773723 -1.250000e-02 -0.150 -0.076190 0.890034
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690 0.773723 5.000000e-03 -0.115 -0.052381 0.923611
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER 0.690 0.772059 2.250000e-02 -0.105 -0.038095 0.943262
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.690 0.772059 2.250000e-02 -0.105 -0.038095 0.943262
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.690 0.765152 7.250000e-02 -0.030 0.019048 1.031008
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.690 0.753968 -4.250000e-02 -0.110 -0.085714 0.853659
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.690 0.752000 -4.250000e-02 -0.135 -0.095238 0.835391
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.685 0.774194 2.750000e-02 0.005 0.007143 1.010309
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.685 0.770909 -8.000000e-02 -0.185 -0.130952 0.816667
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.685 0.770909 -8.000000e-02 -0.185 -0.130952 0.816667
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.685 0.769231 -5.000000e-03 -0.210 -0.092857 0.865979
ExtraTreesClassifier PREPROCESSING DEMV DEMV 0.685 0.767528 -1.175000e-01 -0.235 -0.173810 0.754209
LogisticRegressionCV PREPROCESSING FOS FOS 0.685 0.767528 2.750000e-02 -0.095 -0.030952 0.953405
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.685 0.767528 2.750000e-02 -0.095 -0.030952 0.953405
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.685 0.762264 -4.750000e-02 -0.170 -0.107143 0.836957
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685 0.752941 -1.075000e-01 -0.190 -0.154762 0.750958
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.685 0.750988 -1.750000e-02 -0.110 -0.069048 0.882114
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.685 0.750988 -1.750000e-02 -0.110 -0.069048 0.882114
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685 0.749004 -7.500000e-02 -0.100 -0.102381 0.825203
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.685 0.749004 -7.500000e-02 -0.100 -0.102381 0.825203
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.680 0.768116 -9.250000e-02 -0.185 -0.138095 0.808581
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.680 0.766423 -7.500000e-02 -0.175 -0.123810 0.824916
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.680 0.766423 -7.500000e-02 -0.175 -0.123810 0.824916
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.680 0.746032 -1.000000e-01 -0.275 -0.180952 0.705426
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.680 0.735537 2.000000e-02 -0.085 -0.038095 0.926941
MLPClassifier PREPROCESSING FOS HYPERPARAMETER 0.675 0.768683 2.500000e-03 0.005 -0.007143 0.989899
MLPClassifier PREPROCESSING FOS FAIR_PCA 0.675 0.767025 4.250000e-02 -0.090 -0.016667 0.976190
ExtraTreesClassifier PREPROCESSING DEMV FAIR_PCA 0.675 0.765343 4.250000e-02 -0.115 -0.026190 0.962199
RidgeClassifierCV PREPROCESSING DEMV FAIR_PCA 0.675 0.763636 -8.750000e-02 -0.175 -0.130952 0.816667
LogisticRegressionCV PREPROCESSING DEMV FAIR_PCA 0.675 0.763636 -8.750000e-02 -0.175 -0.130952 0.816667
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.675 0.763636 -8.750000e-02 -0.175 -0.130952 0.816667
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.675 0.763636 -3.000000e-02 -0.210 -0.107143 0.848485
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.675 0.763636 -8.750000e-02 -0.175 -0.130952 0.816667
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.675 0.763636 -8.750000e-02 -0.175 -0.130952 0.816667
LinearSVC PREPROCESSING DEMV FAIR_PCA 0.675 0.761905 -8.750000e-02 -0.200 -0.140476 0.801347
LinearSVC PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.675 0.761905 -8.750000e-02 -0.200 -0.140476 0.801347
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.675 0.761905 -8.750000e-02 -0.200 -0.140476 0.801347
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.675 0.761905 -8.750000e-02 -0.200 -0.140476 0.801347
LinearDiscriminantAnalysis PREPROCESSING DEMV DEMV 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.675 0.760148 -3.250000e-02 -0.190 -0.102381 0.850694
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675 0.738956 1.000000e-02 -0.080 -0.040476 0.927350
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675 0.738956 -7.500000e-03 -0.115 -0.064286 0.886076
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675 0.738956 -7.500000e-03 -0.115 -0.064286 0.886076
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.675 0.728033 5.000000e-03 -0.065 -0.040476 0.920188
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.670 0.764286 -2.500000e-02 -0.125 -0.071429 0.900990
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.670 0.760870 -6.250000e-02 -0.175 -0.114286 0.840000
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670 0.759124 -7.500000e-03 -0.165 -0.076190 0.890034
LinearDiscriminantAnalysis PREPROCESSING DEMV FAIR_PCA 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.670 0.757353 -2.750000e-02 -0.155 -0.085714 0.875000
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.670 0.757353 -8.250000e-02 -0.190 -0.133333 0.809524
MLPClassifier PREPROCESSING DEMV DEMV 0.670 0.755556 -1.025000e-01 -0.180 -0.142857 0.793814
LinearSVC PREPROCESSING DEMV DEMV 0.670 0.751880 -6.750000e-02 -0.160 -0.114286 0.827957
LinearSVC PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.670 0.751880 -6.750000e-02 -0.160 -0.114286 0.827957
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.670 0.751880 -6.750000e-02 -0.160 -0.114286 0.827957
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.670 0.751880 -6.750000e-02 -0.160 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER 0.670 0.750000 -6.750000e-02 -0.185 -0.123810 0.811594
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.670 0.750000 -6.750000e-02 -0.185 -0.123810 0.811594
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.670 0.742188 2.775558e-17 -0.075 -0.042857 0.927711
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.670 0.740157 2.000000e-02 -0.135 -0.052381 0.910569
MLPClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.665 0.759857 -2.400000e-01 -0.255 -0.254762 0.669753
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.665 0.756364 -4.250000e-02 -0.060 -0.059524 0.914089
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.665 0.752768 -4.000000e-02 -0.180 -0.102381 0.850694
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.665 0.750929 5.250000e-02 -0.170 -0.040476 0.938406
MLPClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.665 0.749064 1.250000e-02 -0.125 -0.050000 0.923077
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.665 0.747170 -8.000000e-02 -0.185 -0.130952 0.802867
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.665 0.747170 -8.000000e-02 -0.185 -0.130952 0.802867
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.665 0.735178 2.500000e-02 -0.125 -0.045238 0.921811
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.665 0.735178 2.500000e-02 -0.125 -0.045238 0.921811
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.660 0.753623 5.000000e-03 -0.165 -0.066667 0.904762
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.660 0.746269 -2.000000e-02 -0.090 -0.057143 0.913043
LogisticRegressionCV PREPROCESSING DEMV DEMV 0.660 0.744361 -5.500000e-02 -0.185 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.660 0.744361 -5.500000e-02 -0.185 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.660 0.744361 -5.500000e-02 -0.185 -0.114286 0.827957
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER 0.655 0.739623 4.000000e-02 -0.070 -0.011905 0.981061
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655 0.722892 7.000000e-02 -0.060 0.007143 1.013158
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655 0.716049 5.000000e-02 -0.100 -0.021429 0.958904
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.650 0.755245 3.500000e-02 -0.030 0.004762 1.006536
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.650 0.748201 3.250000e-02 -0.060 -0.009524 0.986254
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.650 0.734848 -3.000000e-02 -0.060 -0.052381 0.917603
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.650 0.715447 7.500000e-02 -0.075 0.004762 1.009009
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.650 0.715447 7.500000e-02 -0.075 0.004762 1.009009
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.650 0.698276 -1.525000e-01 -0.180 -0.180952 0.648148
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.645 0.707819 -5.000000e-02 -0.125 -0.092857 0.828947
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.640 0.707317 -2.500000e-03 -0.205 -0.090476 0.837607
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.630 0.694215 2.500000e-03 -0.070 -0.038095 0.926941
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.625 0.680851 -5.000000e-02 -0.100 -0.083333 0.833333
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.620 0.696000 -5.500000e-02 -0.135 -0.095238 0.835391
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.430 0.406250 5.650000e-01 0.555 0.557143 7.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.430 0.393617 5.075000e-01 0.540 0.514286 7.000000
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.425 0.391534 5.325000e-01 0.540 0.530952 7.194444
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.420 0.376344 5.175000e-01 0.560 0.528571 8.400000
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.415 0.360656 5.550000e-01 0.685 0.597619 17.733333
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.415 0.346369 4.975000e-01 0.670 0.554762 20.416667
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.410 0.358696 5.100000e-01 0.545 0.519048 9.074074
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.395 0.300578 4.275000e-01 0.580 0.478571 23.333333
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.395 0.284024 4.250000e-01 0.600 0.483333 inf
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390 0.314607 6.000000e-01 0.700 0.633333 inf
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390 0.290698 4.150000e-01 0.555 0.461905 22.555556
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390 0.273810 4.125000e-01 0.575 0.466667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.390 0.273810 4.125000e-01 0.575 0.466667 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.390 0.273810 4.125000e-01 0.575 0.466667 inf
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.385 0.320442 6.625000e-01 0.725 0.683333 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385 0.312849 6.250000e-01 0.700 0.650000 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.385 0.289017 5.125000e-01 0.625 0.550000 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.385 0.263473 4.000000e-01 0.550 0.450000 inf
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.375 0.260355 -1.750000e-02 -0.010 -0.016667 0.888889
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.375 0.251497 4.125000e-01 0.525 0.450000 inf
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.370 0.275862 5.325000e-01 0.565 0.542857 77.000000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.370 0.250000 4.200000e-01 0.490 0.442857 63.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.370 0.240964 3.825000e-01 0.465 0.409524 58.333333
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.370 0.240964 3.825000e-01 0.465 0.409524 58.333333
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_PCA 0.365 0.220859 3.500000e-01 0.450 0.383333 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.365 0.220859 3.500000e-01 0.450 0.383333 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.365 0.220859 3.500000e-01 0.450 0.383333 inf
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_PCA 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.360 0.209877 3.025000e-01 0.355 0.319048 23.333333
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.355 0.208589 3.625000e-01 0.425 0.383333 inf
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.305 0.014184 -5.000000e-03 -0.010 -0.007143 0.000000
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearSVC PREPROCESSING FAIR_GAN FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
MLPClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearSVC PREPROCESSING FAIR_GAN FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN

6.2 Procesamiento (Modelado)

En este caso los datos originales no se ajustan, sino que se optimiza un modelo para que además de ser preciso sea justo...

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS_FAIR_PCA 0.735 0.814035 -1.175000e-01 -0.110 -0.130952 0.828660
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV_FAIR_PCA 0.730 0.822368 -4.500000e-02 -0.165 -0.100000 0.882353
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV_FAIR_PCA 0.730 0.822368 -4.500000e-02 -0.165 -0.100000 0.882353
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR 0.730 0.802920 -8.000000e-02 -0.085 -0.100000 0.857143
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE 0.725 0.808362 -3.000000e-02 -0.110 -0.073810 0.902516
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR_FAIR_PCA 0.720 0.818182 -1.500000e-02 -0.105 -0.057143 0.933333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR_FAIR_PCA 0.720 0.818182 -1.500000e-02 -0.105 -0.057143 0.933333
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE 0.720 0.801418 -3.000000e-02 -0.010 -0.038095 0.947195
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS_FAIR_PCA 0.720 0.798561 2.750000e-02 -0.095 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING RULER ROS_FAIR_PCA 0.715 0.801394 7.000000e-02 0.040 0.045238 1.062706
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS_FAIR_PCA 0.715 0.797153 9.000000e-02 -0.070 0.016667 1.023810
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS_FAIR_PCA 0.715 0.797153 9.000000e-02 -0.070 0.016667 1.023810
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS 0.715 0.794224 1.375000e-01 0.125 0.116667 1.179487
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE UNAWARENESS 0.715 0.789668 2.750000e-02 -0.020 -0.007143 0.989130
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR 0.710 0.792857 -1.500000e-02 -0.130 -0.071429 0.900990
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV 0.710 0.789855 -2.775558e-17 -0.075 -0.042857 0.938144
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS_FAIR_PCA 0.710 0.786765 -1.500000e-01 -0.125 -0.157143 0.777778
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FairODTrainer 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer SMOTE 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING SMOTE_FAIR_PCA SMOTE 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer ROS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROS_FAIR_PCA ROS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer RUS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RUS_FAIR_PCA RUS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FOS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FOS_FAIR_PCA FOS 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FAIR_SMOTE 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_SMOTE_FAIR_PCA FAIR_SMOTE 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer BAL_GAN_FAIR 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING BAL_GAN_FAIR_FAIR_PCA BAL_GAN_FAIR 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer DEMV 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DEMV_FAIR_PCA DEMV 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
MLPClassifier IN_PROCESSING FAIR_PCA HYPERPARAMETER 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE_FAIR_PCA 0.700 0.823529 0.000000e+00 0.000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS 0.700 0.782609 -1.000000e-02 0.005 -0.019048 0.972222
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE 0.695 0.781362 -7.500000e-02 -0.075 -0.088095 0.877888
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV_FAIR_PCA 0.690 0.773723 -1.250000e-02 -0.150 -0.076190 0.890034
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR_FAIR_PCA 0.690 0.772059 -8.750000e-02 -0.175 -0.133333 0.809524
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE_FAIR_PCA 0.690 0.772059 1.325000e-01 -0.035 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE_FAIR_PCA 0.690 0.772059 1.325000e-01 -0.035 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS 0.690 0.768657 3.500000e-02 0.020 0.014286 1.022472
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV_FAIR_PCA 0.685 0.772563 -1.500000e-01 -0.300 -0.216667 0.711111
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR 0.685 0.765799 -8.250000e-02 -0.190 -0.135714 0.802083
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE_FAIR_PCA 0.680 0.769784 -3.500000e-02 -0.195 -0.104762 0.854785
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM UNAWARENESS 0.680 0.769784 1.750000e-02 -0.090 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD UNAWARENESS 0.680 0.769784 1.750000e-02 -0.090 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV 0.680 0.764706 -2.250000e-02 -0.095 -0.061905 0.908772
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS_FAIR_PCA 0.675 0.767025 7.750000e-02 -0.020 0.030952 1.045139
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS 0.670 0.759124 4.250000e-02 0.010 0.019048 1.028674
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS 0.670 0.759124 4.250000e-02 0.010 0.019048 1.028674
NEURONAL_NETWORK IN_PROCESSING RULER UNAWARENESS 0.670 0.757353 2.250000e-02 0.020 0.009524 1.014493
NEURONAL_NETWORK IN_PROCESSING RULER FOS 0.670 0.757353 5.000000e-03 -0.015 -0.014286 0.978495
NEURONAL_NETWORK IN_PROCESSING RULER FOS_FAIR_PCA 0.665 0.761566 -2.000000e-02 -0.090 -0.054762 0.924092
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE_FAIR_PCA 0.665 0.756364 -2.500000e-02 -0.025 -0.035714 0.947917
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS_FAIR_PCA 0.665 0.749064 2.325000e-01 0.015 0.140476 1.236948
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS_FAIR_PCA 0.665 0.749064 2.325000e-01 0.015 0.140476 1.236948
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN_FAIR_PCA 0.660 0.776316 -3.500000e-01 -0.375 -0.361905 0.610256
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS_FAIR_PCA 0.660 0.771812 8.250000e-02 0.040 0.061905 1.080247
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS 0.660 0.734375 -7.500000e-03 -0.065 -0.042857 0.927711
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN_FAIR_PCA 0.655 0.782334 -3.500000e-02 0.055 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_PCA 0.655 0.782334 -3.500000e-02 0.055 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN_FAIR_PCA 0.655 0.782334 -3.500000e-02 0.055 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_PCA 0.655 0.782334 -3.500000e-02 0.055 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING DISTRACTION UNAWARENESS 0.655 0.750903 -4.500000e-02 -0.165 -0.097619 0.863333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE 0.655 0.749091 8.000000e-02 -0.015 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE 0.655 0.749091 8.000000e-02 -0.015 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR 0.655 0.743494 5.000000e-03 -0.090 -0.040476 0.938406
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR 0.655 0.743494 5.000000e-03 -0.090 -0.040476 0.938406
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS_FAIR_PCA 0.655 0.722892 3.250000e-02 -0.060 -0.016667 0.969697
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS_FAIR_PCA 0.655 0.722892 3.250000e-02 -0.060 -0.016667 0.969697
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE_FAIR_PCA 0.650 0.748201 3.500000e-02 -0.130 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS 0.650 0.736842 -6.500000e-02 -0.105 -0.090476 0.862319
NEURONAL_NETWORK IN_PROCESSING RULER DEMV 0.650 0.728682 -1.225000e-01 -0.170 -0.152381 0.760300
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS_FAIR_PCA 0.650 0.717742 -1.075000e-01 -0.190 -0.152381 0.739837
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR_FAIR_PCA 0.645 0.736059 -7.500000e-02 -0.150 -0.111905 0.835088
NEURONAL_NETWORK IN_PROCESSING RULER ROS 0.645 0.721569 -4.750000e-02 -0.045 -0.059524 0.899598
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV 0.635 0.720307 7.500000e-03 -0.135 -0.054762 0.911877
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV 0.635 0.720307 7.500000e-03 -0.135 -0.054762 0.911877
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS 0.630 0.727941 1.825000e-01 -0.010 0.104762 1.166667
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS 0.630 0.727941 1.825000e-01 -0.010 0.104762 1.166667
NEURONAL_NETWORK IN_PROCESSING RULER DEMV_FAIR_PCA 0.625 0.716981 -7.500000e-02 -0.075 -0.083333 0.871795
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS 0.625 0.688797 -3.000000e-02 -0.060 -0.054762 0.894977
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR_FAIR_PCA 0.620 0.722628 -8.000000e-02 -0.185 -0.123810 0.824916
NEURONAL_NETWORK IN_PROCESSING RULER RUS_FAIR_PCA 0.620 0.696000 7.250000e-02 -0.030 0.023810 1.043860
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS_FAIR_PCA 0.610 0.675000 -1.400000e-01 -0.180 -0.166667 0.696970
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS 0.610 0.675000 2.500000e-02 -0.075 -0.023810 0.953052
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS 0.610 0.675000 2.500000e-02 -0.075 -0.023810 0.953052
NEURONAL_NETWORK IN_PROCESSING RULER RUS 0.605 0.685259 0.000000e+00 -0.125 -0.054762 0.904167
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_PCA 0.565 0.661479 2.800000e-01 0.235 0.259524 1.511737
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN_FAIR_PCA 0.525 0.581498 1.000000e-02 -0.205 -0.073810 0.838542
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER UNAWARENESS 0.520 0.603306 1.500000e-02 0.005 0.009524 1.018779
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_PCA 0.465 0.483092 -1.175000e-01 -0.185 -0.145238 0.616352
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS 0.460 0.522124 -2.500000e-02 0.250 0.076190 1.187135
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE 0.460 0.419355 4.700000e-01 0.590 0.504762 7.424242
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN 0.440 0.404255 -2.600000e-01 -0.345 -0.295238 0.101449
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE 0.435 0.395722 5.000000e-01 0.575 0.521429 7.636364
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE 0.435 0.395722 5.000000e-01 0.575 0.521429 7.636364
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE 0.410 0.351648 5.600000e-01 0.695 0.604762 22.166667
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE 0.410 0.321839 4.650000e-01 0.630 0.519048 37.333333
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS 0.400 0.464286 -6.000000e-02 0.005 -0.028571 0.933333
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN_FAIR_PCA 0.390 0.273810 2.500000e-03 -0.020 -0.009524 0.933333
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_PCA 0.390 0.273810 2.500000e-03 -0.020 -0.009524 0.933333
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE_FAIR_PCA 0.385 0.297143 5.500000e-01 0.650 0.583333 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE_FAIR_PCA 0.380 0.279070 5.000000e-01 0.600 0.533333 inf
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE_FAIR_PCA 0.370 0.275862 5.325000e-01 0.565 0.542857 77.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE_FAIR_PCA 0.370 0.275862 5.325000e-01 0.565 0.542857 77.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE_FAIR_PCA 0.370 0.258824 4.750000e-01 0.550 0.500000 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN_FAIR_PCA 0.350 0.144737 4.000000e-02 0.030 0.033333 1.666667
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS_FAIR_PCA 0.340 0.274725 -8.250000e-02 -0.040 -0.061905 0.729167
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN 0.320 0.068493 1.750000e-02 -0.015 0.004762 1.166667
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE_FAIR_PCA 0.320 0.055556 -2.000000e-02 -0.040 -0.028571 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE 0.315 0.041958 -1.500000e-02 -0.030 -0.021429 0.000000
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV_FAIR_PCA 0.300 0.000000 0.000000e+00 0.000 0.000000 NaN

6.3 Post-procesamiento (Evaluación)

Estos métodos están encaminados a buscar la generación de resultados más justos.

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING RejectOptionClassification ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING EqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING CalibratedEqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING RejectOptionClassification FAIR_PCA_ROS 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING EqOddsPostprocessing FAIR_PCA_ROS 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_PCA_ROS 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING RejectOptionClassification DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearSVC_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING RandomizedThreshold FAIR_PCA_ROS 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING RandomizedThreshold DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.866667 0.892857 -0.100000 0.000000 -0.190283 0.752632
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.844444 0.877193 -0.050000 0.000000 -0.137652 0.821053
LogisticRegressionCV_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer 0.844444 0.877193 -0.050000 0.000000 -0.137652 0.821053
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.844444 0.872727 -0.155556 -0.111111 -0.242915 0.684211
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.822222 0.857143 -0.105556 -0.111111 -0.190283 0.752632
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.822222 0.857143 -0.105556 -0.111111 -0.190283 0.752632
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.822222 0.846154 -0.043056 0.013889 -0.127530 0.804954
LinearSVC_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer 0.800000 0.842105 -0.155556 -0.111111 -0.228745 0.716792
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_FAIR_PCA_ROS_CounterfactualAnalyzer 0.777778 0.827586 -0.018750 0.062500 -0.085020 0.889474
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.777778 0.821429 -0.124306 -0.048611 -0.190283 0.752632
MLPClassifier_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_HYPER_CounterfactualAnalyzer 0.777778 0.821429 -0.124306 -0.048611 -0.190283 0.752632
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer 0.755556 0.792453 -0.098611 -0.097222 -0.165992 0.760234
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.755556 0.792453 -0.098611 -0.097222 -0.165992 0.760234
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer 0.755556 0.792453 -0.098611 -0.097222 -0.165992 0.760234
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.755556 0.784314 -0.017361 -0.034722 -0.089069 0.855263
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_DEMV_HYPERPARAMETER_CounterfactualAnalyzer 0.755556 0.784314 -0.104167 -0.208333 -0.180162 0.724458
ExtraTreesClassifier POSTPROCESSING FairnessAwareMetaEstimator ExtraTreesClassifier 0.745000 0.823529 -0.090000 -0.105000 -0.111905 0.856269
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI 0.744186 0.803571 -0.222222 -0.611111 -0.325269 0.561594
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.740000 0.819444 -0.027500 -0.130000 -0.080952 0.894081
ExtraTreesClassifier POSTPROCESSING ThresholdOptimizer ExtraTreesClassifier 0.735000 0.821549 0.032500 0.040000 0.021429 1.027523
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.735000 0.820339 0.035000 -0.055000 -0.011905 0.984709
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING FairnessAwareMetaEstimator FAIR_PCA_ROS 0.725000 0.810997 0.045000 -0.060000 -0.007143 0.990566
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.720000 0.813333 0.035000 -0.030000 0.000000 1.000000
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.720000 0.809524 -0.077500 -0.105000 -0.100000 0.875000
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING ThresholdOptimizer FAIR_PCA_ROS 0.720000 0.808219 0.032500 -0.060000 -0.014286 0.981308
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.715000 0.804124 0.185000 0.020000 0.111905 1.155116
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer DEMV_HYPERPARAMETER 0.710000 0.802721 0.097500 0.045000 0.066667 1.088889
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.710000 0.802721 0.097500 0.045000 0.066667 1.088889
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.710000 0.802721 0.097500 0.045000 0.066667 1.088889
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.710000 0.801370 -0.067500 -0.085000 -0.085714 0.890909
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.710000 0.800000 0.040000 0.030000 0.023810 1.032051
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator DEMV_HYPERPARAMETER 0.710000 0.795775 -0.032500 -0.115000 -0.076190 0.897436
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.710000 0.795775 -0.032500 -0.115000 -0.076190 0.897436
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.710000 0.795775 -0.032500 -0.115000 -0.076190 0.897436
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.705000 0.805281 0.145000 0.040000 0.097619 1.124242
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.801347 0.105000 0.035000 0.069048 1.090343
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.801347 0.105000 0.035000 0.069048 1.090343
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 0.050000 -0.050000 0.002381 1.003115
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.797251 0.067500 -0.040000 0.016667 1.022222
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -0.062500 -0.125000 -0.097619 0.872274
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.705000 0.792982 -0.045000 -0.115000 -0.083333 0.888889
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.700000 0.793103 -0.020000 -0.065000 -0.047619 0.937695
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.700000 0.793103 -0.020000 -0.065000 -0.047619 0.937695
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.700000 0.791667 -0.057500 -0.090000 -0.080952 0.894081
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.695000 0.787456 -0.070000 -0.115000 -0.097619 0.872274
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.695000 0.785965 0.075000 0.000000 0.035714 1.050000
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.685000 0.782007 0.142500 0.060000 0.102381 1.143333
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI 0.681159 0.750000 -0.469658 -0.700000 -0.549138 0.334378
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI 0.680556 0.747253 -0.405952 -0.800000 -0.525926 0.360360
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI 0.666667 0.230769 -0.500000 -1.000000 -0.093750 0.000000
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI 0.647727 0.597403 -0.182937 -0.488095 -0.179310 0.527273
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI 0.630952 0.586667 -0.188365 -0.445513 -0.164942 0.539898
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.622222 0.653061 -0.615079 -0.785714 -0.644269 0.212560
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI 0.607843 0.285714 -0.526316 -1.000000 -0.217391 0.000000
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_BASE_LINE_VALUES_CERTI_FAI 0.576923 0.214286 -0.552632 -1.000000 -0.227273 0.000000
MLPClassifier_BASE_HYPER POSTPROCESSING MLPClassifier_BASE_HYPER_CERTI_FAI MLPClassifier_BASE_HYPER_CERTI_FAI 0.514706 0.507463 -0.309848 -0.486364 -0.328372 0.327619
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI 0.500000 0.162162 -0.090385 -0.230769 -0.086729 0.284483
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI 0.461538 0.333333 -0.161184 -0.322368 -0.214286 0.142857
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.425926 0.311111 -0.311364 -0.350000 -0.310440 0.103175
LinearSVC_BASE_LINE_VALUES POSTPROCESSING LinearSVC_BASE_LINE_VALUES_CERTI_FAI LinearSVC_BASE_LINE_VALUES_CERTI_FAI 0.400000 0.400000 -1.000000 -1.000000 -1.000000 0.000000
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI 0.393939 0.230769 -0.928230 -0.947368 -0.933333 0.066667
LogisticRegressionCV_BASE_HYPER POSTPROCESSING LogisticRegressionCV_BASE_HYPER_CERTI_FAI LogisticRegressionCV_BASE_HYPER_CERTI_FAI 0.387755 0.062500 -0.045455 -0.090909 -0.052632 0.000000
6.4 Reporte final

Al finalizar el entrenamiento, se obtiene un conjunto de modelos construidos mediante intervenciones de equidad que cumplen con los criterios de la frontera de Pareto. Las métricas asociadas a estos modelos son analizadas para identificar las intervenciones más prometedoras, las cuales se considerarán en la recomendación final sobre las fases más apropiadas del proceso de machine learning para implementar dichas intervenciones.

Algoritmo Fase Intervencion Proceso accuracy f1_score average_odds_difference equal_opportunity_difference statistical_parity_difference disparate_impact
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING RejectOptionClassification CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING EqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
CalibratedClassifierCV POSTPROCESSING CalibratedEqOddsPostprocessing CalibratedClassifierCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING RejectOptionClassification ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING EqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier POSTPROCESSING CalibratedEqOddsPostprocessing ExtraTreesClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING RejectOptionClassification LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING EqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis POSTPROCESSING CalibratedEqOddsPostprocessing LinearDiscriminantAnalysis 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING RejectOptionClassification LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING EqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV POSTPROCESSING CalibratedEqOddsPostprocessing LogisticRegressionCV 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING RejectOptionClassification MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING EqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier POSTPROCESSING CalibratedEqOddsPostprocessing MLPClassifier 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING RejectOptionClassification FAIR_PCA_ROS 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING EqOddsPostprocessing FAIR_PCA_ROS 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING CalibratedEqOddsPostprocessing FAIR_PCA_ROS 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING RejectOptionClassification DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RejectOptionClassification NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING EqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CalibratedEqOddsPostprocessing NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RejectOptionClassification RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING EqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CalibratedEqOddsPostprocessing RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearSVC_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_BASE_HYPER POSTPROCESSING RandomizedThreshold BASE_HYPER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING RandomizedThreshold FAIR_PCA_ROS 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING RandomizedThreshold DEMV_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING RandomizedThreshold NONE_BASE_LINE_VALUES 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold ROS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING RandomizedThreshold RUS_HYPERPARAMETER 1.000000 1.000000 0.000000e+00 0.000000 -0.047619 0.933333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.866667 0.892857 -1.000000e-01 0.000000 -0.190283 0.752632
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.844444 0.877193 -5.000000e-02 0.000000 -0.137652 0.821053
LogisticRegressionCV_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer 0.844444 0.877193 -5.000000e-02 0.000000 -0.137652 0.821053
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.844444 0.872727 -1.555556e-01 -0.111111 -0.242915 0.684211
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer 0.822222 0.857143 -1.055556e-01 -0.111111 -0.190283 0.752632
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer 0.822222 0.857143 -1.055556e-01 -0.111111 -0.190283 0.752632
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.822222 0.846154 -4.305556e-02 0.013889 -0.127530 0.804954
LinearSVC_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer 0.800000 0.842105 -1.555556e-01 -0.111111 -0.228745 0.716792
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING CounterfactualAnalyzer ExtraTreesClassifier_FAIR_PCA_ROS_CounterfactualAnalyzer 0.777778 0.827586 -1.875000e-02 0.062500 -0.085020 0.889474
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer 0.777778 0.821429 -1.243056e-01 -0.048611 -0.190283 0.752632
MLPClassifier_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_BASE_HYPER_CounterfactualAnalyzer 0.777778 0.821429 -1.243056e-01 -0.048611 -0.190283 0.752632
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer 0.755556 0.792453 -9.861111e-02 -0.097222 -0.165992 0.760234
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer 0.755556 0.792453 -9.861111e-02 -0.097222 -0.165992 0.760234
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING CounterfactualAnalyzer LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer 0.755556 0.792453 -9.861111e-02 -0.097222 -0.165992 0.760234
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer 0.755556 0.784314 -1.736111e-02 -0.034722 -0.089069 0.855263
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING CounterfactualAnalyzer MLPClassifier_DEMV_HYPERPARAMETER_CounterfactualAnalyzer 0.755556 0.784314 -1.041667e-01 -0.208333 -0.180162 0.724458
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.755000 0.835017 -2.250000e-02 -0.120000 -0.073810 0.908555
ExtraTreesClassifier BASE_LINE FAIR_PCA ROS 0.745000 0.824742 5.750000e-02 -0.010000 0.016667 1.022222
ExtraTreesClassifier POSTPROCESSING FairnessAwareMetaEstimator ExtraTreesClassifier 0.745000 0.823529 -9.000000e-02 -0.105000 -0.111905 0.856269
ExtraTreesClassifier BASE_LINE NONE BASE_LINE_VALUES 0.745000 0.822300 0.000000e+00 -0.025000 -0.026190 0.964744
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.745000 0.818505 -7.250000e-02 -0.170000 -0.126190 0.830128
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI 0.744186 0.803571 -2.222222e-01 -0.611111 -0.325269 0.561594
ExtraTreesClassifier PREPROCESSING FOS FAIR_PCA 0.740000 0.820690 2.750000e-02 -0.070000 -0.023810 0.968553
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.740000 0.820690 4.750000e-02 -0.105000 -0.023810 0.968553
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.740000 0.819444 -2.750000e-02 -0.130000 -0.080952 0.894081
ExtraTreesClassifier PREPROCESSING FOS FOS 0.740000 0.818182 2.500000e-02 -0.050000 -0.019048 0.974110
ExtraTreesClassifier POSTPROCESSING ThresholdOptimizer ExtraTreesClassifier 0.735000 0.821549 3.250000e-02 0.040000 0.021429 1.027523
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.735000 0.820339 3.500000e-02 -0.055000 -0.011905 0.984709
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.735000 0.815331 -5.000000e-03 -0.085000 -0.050000 0.933333
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS_FAIR_PCA 0.735000 0.814035 -1.175000e-01 -0.110000 -0.130952 0.828660
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV_FAIR_PCA 0.730000 0.822368 -4.500000e-02 -0.165000 -0.100000 0.882353
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV_FAIR_PCA 0.730000 0.822368 -4.500000e-02 -0.165000 -0.100000 0.882353
ExtraTreesClassifier BASE_LINE ROS ROS 0.730000 0.816327 2.250000e-02 -0.080000 -0.028571 0.963303
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.730000 0.815068 -1.425000e-01 -0.210000 -0.180952 0.777778
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR 0.730000 0.802920 -8.000000e-02 -0.085000 -0.100000 0.857143
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING FairnessAwareMetaEstimator FAIR_PCA_ROS 0.725000 0.810997 4.500000e-02 -0.060000 -0.007143 0.990566
ExtraTreesClassifier BASE_LINE FAIR_PCA FAIR_PCA 0.725000 0.808362 2.500000e-02 -0.075000 -0.026190 0.964744
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE 0.725000 0.808362 -3.000000e-02 -0.110000 -0.073810 0.902516
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.725000 0.807018 -1.250000e-02 -0.100000 -0.059524 0.919872
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR_FAIR_PCA 0.720000 0.818182 -1.500000e-02 -0.105000 -0.057143 0.933333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR_FAIR_PCA 0.720000 0.818182 -1.500000e-02 -0.105000 -0.057143 0.933333
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.720000 0.813333 3.500000e-02 -0.030000 0.000000 1.000000
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.720000 0.810811 -3.750000e-02 -0.150000 -0.090476 0.887906
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.720000 0.809524 -7.750000e-02 -0.105000 -0.100000 0.875000
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING ThresholdOptimizer FAIR_PCA_ROS 0.720000 0.808219 3.250000e-02 -0.060000 -0.014286 0.981308
MLPClassifier BASE_LINE FAIR_PCA SMOTE 0.720000 0.805556 -2.000000e-02 -0.215000 -0.104762 0.864198
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.720000 0.801418 7.500000e-03 -0.010000 -0.014286 0.980000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE 0.720000 0.801418 -3.000000e-02 -0.010000 -0.038095 0.947195
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.720000 0.800000 8.250000e-02 -0.035000 0.023810 1.034364
ExtraTreesClassifier BASE_LINE SMOTE SMOTE 0.720000 0.800000 -6.250000e-02 -0.175000 -0.119048 0.838188
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS_FAIR_PCA 0.720000 0.798561 2.750000e-02 -0.095000 -0.033333 0.952381
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.715000 0.806780 4.000000e-02 -0.070000 -0.011905 0.984709
RidgeClassifierCV BASE_LINE FAIR_PCA FAIR_PCA 0.715000 0.806780 -1.075000e-01 -0.140000 -0.130952 0.839181
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.715000 0.806780 -1.075000e-01 -0.140000 -0.130952 0.839181
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.715000 0.804124 1.850000e-01 0.020000 0.111905 1.155116
NEURONAL_NETWORK IN_PROCESSING RULER ROS_FAIR_PCA 0.715000 0.801394 7.000000e-02 0.040000 0.045238 1.062706
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.715000 0.801394 3.500000e-02 -0.030000 -0.002381 0.996764
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.715000 0.800000 -3.500000e-02 -0.195000 -0.107143 0.858491
MLPClassifier BASE_LINE SMOTE SMOTE 0.715000 0.798587 1.750000e-02 -0.115000 -0.045238 0.937908
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS_FAIR_PCA 0.715000 0.797153 9.000000e-02 -0.070000 0.016667 1.023810
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS_FAIR_PCA 0.715000 0.797153 9.000000e-02 -0.070000 0.016667 1.023810
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.715000 0.795699 1.500000e-02 -0.095000 -0.040476 0.942761
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS 0.715000 0.794224 1.375000e-01 0.125000 0.116667 1.179487
MLPClassifier PREPROCESSING DEMV FAIR_PCA 0.715000 0.792727 -7.500000e-02 -0.250000 -0.154762 0.785479
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE UNAWARENESS 0.715000 0.789668 2.750000e-02 -0.020000 -0.007143 0.989130
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer DEMV_HYPERPARAMETER 0.710000 0.802721 9.750000e-02 0.045000 0.066667 1.088889
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer ROS_HYPERPARAMETER 0.710000 0.802721 9.750000e-02 0.045000 0.066667 1.088889
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.710000 0.802721 9.750000e-02 0.045000 0.066667 1.088889
CalibratedClassifierCV POSTPROCESSING FairnessAwareMetaEstimator CalibratedClassifierCV 0.710000 0.801370 -6.750000e-02 -0.085000 -0.085714 0.890909
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ThresholdOptimizer NONE_BASE_LINE_VALUES 0.710000 0.800000 4.000000e-02 0.030000 0.023810 1.032051
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator DEMV_HYPERPARAMETER 0.710000 0.795775 -3.250000e-02 -0.115000 -0.076190 0.897436
MLPClassifier_ROS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator ROS_HYPERPARAMETER 0.710000 0.795775 -3.250000e-02 -0.115000 -0.076190 0.897436
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.710000 0.795775 -3.250000e-02 -0.115000 -0.076190 0.897436
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR 0.710000 0.792857 -1.500000e-02 -0.130000 -0.071429 0.900990
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.710000 0.791367 -7.250000e-02 -0.120000 -0.104762 0.854785
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV 0.710000 0.789855 -2.775558e-17 -0.075000 -0.042857 0.938144
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.710000 0.789855 -7.000000e-02 -0.215000 -0.138095 0.808581
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS_FAIR_PCA 0.710000 0.786765 -1.500000e-01 -0.125000 -0.157143 0.777778
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.710000 0.786765 -1.075000e-01 -0.265000 -0.180952 0.746667
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.710000 0.778626 1.250000e-02 -0.075000 -0.038095 0.938697
CalibratedClassifierCV POSTPROCESSING ThresholdOptimizer CalibratedClassifierCV 0.705000 0.805281 1.450000e-01 0.040000 0.097619 1.124242
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.801347 1.050000e-01 0.035000 0.069048 1.090343
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING ThresholdOptimizer RUS_HYPERPARAMETER 0.705000 0.801347 1.050000e-01 0.035000 0.069048 1.090343
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LinearDiscriminantAnalysis POSTPROCESSING ThresholdOptimizer LinearDiscriminantAnalysis 0.705000 0.798635 5.000000e-02 -0.050000 0.002381 1.003115
LogisticRegressionCV POSTPROCESSING ThresholdOptimizer LogisticRegressionCV 0.705000 0.797251 6.750000e-02 -0.040000 0.016667 1.022222
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER 0.705000 0.797251 -1.150000e-01 -0.180000 -0.150000 0.812500
LinearSVC BASE_LINE FAIR_PCA SMOTE 0.705000 0.795848 -7.750000e-02 -0.205000 -0.135714 0.827273
LinearDiscriminantAnalysis BASE_LINE NONE BASE_LINE_VALUES 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LinearDiscriminantAnalysis POSTPROCESSING FairnessAwareMetaEstimator LinearDiscriminantAnalysis 0.705000 0.794425 -6.250000e-02 -0.125000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE NONE BASE_LINE_VALUES 0.705000 0.792982 -4.500000e-02 -0.115000 -0.083333 0.888889
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.705000 0.792982 -4.500000e-02 -0.115000 -0.083333 0.888889
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.705000 0.791519 -4.500000e-02 -0.140000 -0.092857 0.875000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.705000 0.790036 -1.000000e-01 -0.200000 -0.150000 0.800000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.705000 0.777358 -1.750000e-02 -0.085000 -0.059524 0.907407
RidgeClassifierCV BASE_LINE ROS ROS 0.705000 0.764940 -9.750000e-02 -0.120000 -0.126190 0.787149
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.705000 0.764940 -9.750000e-02 -0.120000 -0.126190 0.787149
RidgeClassifierCV BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearSVC BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE PCA PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier BASE_LINE PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FairODTrainer 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING SMOTE_FAIR_PCA SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer ROS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROS_FAIR_PCA ROS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer RUS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING RUS_FAIR_PCA RUS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FOS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FOS_FAIR_PCA FOS 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer FAIR_SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_SMOTE_FAIR_PCA FAIR_SMOTE 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer BAL_GAN_FAIR 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING BAL_GAN_FAIR_FAIR_PCA BAL_GAN_FAIR 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FairODTrainer DEMV 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING DEMV_FAIR_PCA DEMV 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
MLPClassifier IN_PROCESSING FAIR_PCA HYPERPARAMETER 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE_FAIR_PCA 0.700000 0.823529 0.000000e+00 0.000000 0.000000 1.000000
LogisticRegressionCV BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
LogisticRegressionCV POSTPROCESSING FairnessAwareMetaEstimator LogisticRegressionCV 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING FairnessAwareMetaEstimator RUS_HYPERPARAMETER 0.700000 0.793103 -2.000000e-02 -0.065000 -0.047619 0.937695
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.700000 0.791667 -5.750000e-02 -0.090000 -0.080952 0.894081
RidgeClassifierCV BASE_LINE NONE BASE_LINE_VALUES 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis BASE_LINE SMOTE SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis BASE_LINE SMOTE HYPERPARAMETER 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_SMOTE 0.700000 0.791667 -7.500000e-02 -0.125000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA 0.700000 0.791667 -5.500000e-02 -0.160000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.700000 0.791667 -5.500000e-02 -0.160000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER 0.700000 0.790210 -5.750000e-02 -0.115000 -0.090476 0.880503
RidgeClassifierCV BASE_LINE SMOTE SMOTE 0.700000 0.790210 -7.500000e-02 -0.150000 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.790210 -7.500000e-02 -0.150000 -0.114286 0.850467
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -7.250000e-02 -0.220000 -0.138095 0.820988
RidgeClassifierCV BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.700000 0.790210 -1.100000e-01 -0.220000 -0.161905 0.792049
LogisticRegressionCV BASE_LINE FAIR_PCA SMOTE 0.700000 0.790210 -9.000000e-02 -0.255000 -0.161905 0.792049
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS 0.700000 0.788732 -4.000000e-02 -0.105000 -0.076190 0.897436
LinearSVC BASE_LINE NONE BASE_LINE_VALUES 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
LogisticRegressionCV BASE_LINE SMOTE SMOTE 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
LogisticRegressionCV BASE_LINE SMOTE HYPERPARAMETER 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS 0.700000 0.788732 -5.750000e-02 -0.140000 -0.100000 0.866667
MLPClassifier BASE_LINE FAIR_PCA FAIR_PCA 0.700000 0.788732 -7.500000e-02 -0.175000 -0.123810 0.836478
MLPClassifier BASE_LINE HYPERPARAMETER HYPERPARAMETER 0.700000 0.787234 -4.250000e-02 -0.060000 -0.061905 0.915033
LinearSVC BASE_LINE SMOTE SMOTE 0.700000 0.787234 -5.750000e-02 -0.165000 -0.109524 0.852564
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.787234 -5.750000e-02 -0.165000 -0.109524 0.852564
LogisticRegressionCV PREPROCESSING FOS FAIR_PCA 0.700000 0.785714 -5.000000e-03 -0.085000 -0.047619 0.933333
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.700000 0.785714 -5.000000e-03 -0.085000 -0.047619 0.933333
MLPClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.700000 0.784173 -3.750000e-02 -0.250000 -0.128571 0.823529
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FOS 0.700000 0.782609 -1.000000e-02 0.005000 -0.019048 0.972222
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_SMOTE 0.700000 0.781022 2.750000e-02 -0.020000 -0.004762 0.992908
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.700000 0.781022 6.750000e-02 -0.090000 -0.004762 0.992908
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.700000 0.781022 6.750000e-02 -0.090000 -0.004762 0.992908
LinearDiscriminantAnalysis PREPROCESSING FOS FAIR_PCA 0.700000 0.781022 3.000000e-02 -0.090000 -0.028571 0.957895
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.700000 0.781022 3.000000e-02 -0.090000 -0.028571 0.957895
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.700000 0.781022 3.000000e-02 -0.090000 -0.028571 0.957895
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FOS 0.700000 0.781022 3.000000e-02 -0.090000 -0.028571 0.957895
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.700000 0.779412 -7.750000e-02 -0.255000 -0.157143 0.777778
LinearSVC BASE_LINE FAIR_PCA ROS 0.700000 0.765625 -1.500000e-02 -0.105000 -0.066667 0.888889
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.700000 0.765625 -1.500000e-02 -0.105000 -0.066667 0.888889
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA 0.695000 0.790378 -1.250000e-02 -0.100000 -0.054762 0.929012
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER 0.695000 0.788927 2.250000e-02 -0.055000 -0.016667 0.977778
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearSVC BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.695000 0.788927 -1.050000e-01 -0.160000 -0.135714 0.827273
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS 0.695000 0.787456 -7.000000e-02 -0.115000 -0.097619 0.872274
MLPClassifier POSTPROCESSING FairnessAwareMetaEstimator MLPClassifier 0.695000 0.787456 -7.000000e-02 -0.115000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE FAIR_PCA FAIR_PCA 0.695000 0.787456 -5.000000e-02 -0.150000 -0.097619 0.872274
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER 0.695000 0.787456 -5.000000e-02 -0.150000 -0.097619 0.872274
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING FairnessAwareMetaEstimator NONE_BASE_LINE_VALUES 0.695000 0.785965 7.500000e-02 0.000000 0.035714 1.050000
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695000 0.784452 7.750000e-02 -0.095000 0.002381 1.003333
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.695000 0.784452 -1.050000e-01 -0.235000 -0.164286 0.785047
MLPClassifier PREPROCESSING FOS HYPERPARAMETER_FAIR_PCA 0.695000 0.781362 5.750000e-02 -0.110000 -0.016667 0.976190
RidgeClassifierCV PREPROCESSING FOS FAIR_PCA 0.695000 0.781362 0.000000e+00 -0.075000 -0.040476 0.942761
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695000 0.781362 0.000000e+00 -0.075000 -0.040476 0.942761
MLPClassifier PREPROCESSING FOS FOS 0.695000 0.781362 -7.500000e-02 -0.075000 -0.088095 0.877888
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE 0.695000 0.781362 -7.500000e-02 -0.075000 -0.088095 0.877888
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.695000 0.781362 -1.050000e-01 -0.285000 -0.183333 0.755556
LinearDiscriminantAnalysis PREPROCESSING FOS FOS 0.695000 0.778182 2.775558e-17 -0.125000 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING FOS HYPERPARAMETER 0.695000 0.778182 2.775558e-17 -0.125000 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.695000 0.778182 2.775558e-17 -0.125000 -0.059524 0.914089
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.695000 0.778182 2.775558e-17 -0.125000 -0.059524 0.914089
LinearSVC PREPROCESSING FOS FAIR_PCA 0.695000 0.776557 3.500000e-02 -0.080000 -0.021429 0.968085
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FOS 0.695000 0.776557 3.500000e-02 -0.080000 -0.021429 0.968085
RidgeClassifierCV PREPROCESSING DEMV DEMV 0.695000 0.774908 -5.500000e-02 -0.210000 -0.126190 0.817869
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.695000 0.774908 -5.500000e-02 -0.210000 -0.126190 0.817869
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.695000 0.774908 -5.500000e-02 -0.210000 -0.126190 0.817869
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.695000 0.774908 -5.500000e-02 -0.210000 -0.126190 0.817869
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA ROS 0.695000 0.760784 -2.750000e-02 -0.130000 -0.083333 0.861111
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.695000 0.760784 -2.750000e-02 -0.130000 -0.083333 0.861111
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.695000 0.760784 -2.750000e-02 -0.130000 -0.083333 0.861111
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.695000 0.760784 -2.750000e-02 -0.130000 -0.083333 0.861111
RidgeClassifierCV BASE_LINE FAIR_PCA ROS 0.695000 0.756972 7.500000e-03 -0.110000 -0.054762 0.904167
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.695000 0.756972 7.500000e-03 -0.110000 -0.054762 0.904167
LogisticRegressionCV BASE_LINE ROS HYPERPARAMETER 0.695000 0.755020 -3.250000e-02 -0.065000 -0.064286 0.886076
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.695000 0.755020 -3.250000e-02 -0.065000 -0.064286 0.886076
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.690000 0.789116 -1.500000e-01 -0.250000 -0.195238 0.764368
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA 0.690000 0.784722 -6.250000e-02 -0.150000 -0.104762 0.864198
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_SMOTE 0.690000 0.780142 -1.000000e-01 -0.225000 -0.157143 0.792453
RidgeClassifierCV PREPROCESSING FOS FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
LinearSVC PREPROCESSING FOS FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.690000 0.773723 5.000000e-03 -0.115000 -0.052381 0.923611
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.690000 0.773723 -1.250000e-02 -0.150000 -0.076190 0.890034
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE DEMV_FAIR_PCA 0.690000 0.773723 -1.250000e-02 -0.150000 -0.076190 0.890034
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE_FAIR_PCA 0.690000 0.772059 1.325000e-01 -0.035000 0.057143 1.088889
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE_FAIR_PCA 0.690000 0.772059 1.325000e-01 -0.035000 0.057143 1.088889
LogisticRegressionCV PREPROCESSING FOS HYPERPARAMETER 0.690000 0.772059 2.250000e-02 -0.105000 -0.038095 0.943262
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.690000 0.772059 2.250000e-02 -0.105000 -0.038095 0.943262
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE BAL_GAN_FAIR_FAIR_PCA 0.690000 0.772059 -8.750000e-02 -0.175000 -0.133333 0.809524
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE ROS 0.690000 0.768657 3.500000e-02 0.020000 0.014286 1.022472
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.690000 0.765152 7.250000e-02 -0.030000 0.019048 1.031008
MLPClassifier BASE_LINE RUS RUS 0.690000 0.761538 -2.000000e-02 -0.115000 -0.071429 0.885057
LogisticRegressionCV BASE_LINE ROS ROS 0.690000 0.753968 -4.250000e-02 -0.110000 -0.085714 0.853659
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.690000 0.753968 -4.250000e-02 -0.110000 -0.085714 0.853659
LogisticRegressionCV BASE_LINE FAIR_PCA RUS 0.690000 0.752000 -4.250000e-02 -0.135000 -0.095238 0.835391
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.690000 0.752000 -4.250000e-02 -0.135000 -0.095238 0.835391
MLPClassifier POSTPROCESSING ThresholdOptimizer MLPClassifier 0.685000 0.782007 1.425000e-01 0.060000 0.102381 1.143333
ExtraTreesClassifier BASE_LINE FAIR_PCA SMOTE 0.685000 0.778947 -9.500000e-02 -0.165000 -0.130952 0.828660
MLPClassifier BASE_LINE NONE BASE_LINE_VALUES 0.685000 0.775801 -4.250000e-02 -0.110000 -0.078571 0.892157
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FOS 0.685000 0.774194 2.750000e-02 0.005000 0.007143 1.010309
NN_CONFIG BASE_LINE NONE NN 0.685000 0.772563 2.750000e-02 -0.020000 -0.002381 0.996528
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV_FAIR_PCA 0.685000 0.772563 -1.500000e-01 -0.300000 -0.216667 0.711111
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.685000 0.770909 -8.000000e-02 -0.185000 -0.130952 0.816667
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.685000 0.770909 -8.000000e-02 -0.185000 -0.130952 0.816667
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.685000 0.769231 -5.000000e-03 -0.210000 -0.092857 0.865979
LogisticRegressionCV PREPROCESSING FOS FOS 0.685000 0.767528 2.750000e-02 -0.095000 -0.030952 0.953405
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FOS 0.685000 0.767528 2.750000e-02 -0.095000 -0.030952 0.953405
ExtraTreesClassifier PREPROCESSING DEMV DEMV 0.685000 0.767528 -1.175000e-01 -0.235000 -0.173810 0.754209
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR 0.685000 0.765799 -8.250000e-02 -0.190000 -0.135714 0.802083
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.685000 0.762264 -4.750000e-02 -0.170000 -0.107143 0.836957
MLPClassifier BASE_LINE FAIR_PCA ROS 0.685000 0.756757 5.000000e-03 -0.140000 -0.064286 0.895349
LinearSVC BASE_LINE ROS ROS 0.685000 0.752941 -1.075000e-01 -0.190000 -0.154762 0.750958
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685000 0.752941 -1.075000e-01 -0.190000 -0.154762 0.750958
LogisticRegressionCV BASE_LINE FAIR_PCA ROS 0.685000 0.750988 -1.750000e-02 -0.110000 -0.069048 0.882114
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_ROS 0.685000 0.750988 -1.750000e-02 -0.110000 -0.069048 0.882114
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_ROS 0.685000 0.750988 -1.750000e-02 -0.110000 -0.069048 0.882114
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.685000 0.750988 -1.750000e-02 -0.110000 -0.069048 0.882114
LinearDiscriminantAnalysis BASE_LINE ROS ROS 0.685000 0.749004 -7.500000e-02 -0.100000 -0.102381 0.825203
LinearDiscriminantAnalysis BASE_LINE ROS HYPERPARAMETER 0.685000 0.749004 -7.500000e-02 -0.100000 -0.102381 0.825203
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_ROS 0.685000 0.749004 -7.500000e-02 -0.100000 -0.102381 0.825203
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.685000 0.749004 -7.500000e-02 -0.100000 -0.102381 0.825203
LinearDiscriminantAnalysis_BASE_HYPER POSTPROCESSING LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI 0.681159 0.750000 -4.696581e-01 -0.700000 -0.549138 0.334378
LinearDiscriminantAnalysis_BASE_LINE_VALUES POSTPROCESSING LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI 0.680556 0.747253 -4.059524e-01 -0.800000 -0.525926 0.360360
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM UNAWARENESS 0.680000 0.769784 1.750000e-02 -0.090000 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD UNAWARENESS 0.680000 0.769784 1.750000e-02 -0.090000 -0.033333 0.952381
MLPClassifier BASE_LINE SMOTE HYPERPARAMETER 0.680000 0.769784 -3.750000e-02 -0.125000 -0.080952 0.886667
NEURONAL_NETWORK IN_PROCESSING RULER SMOTE_FAIR_PCA 0.680000 0.769784 -3.500000e-02 -0.195000 -0.104762 0.854785
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.680000 0.768116 -9.250000e-02 -0.185000 -0.138095 0.808581
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.680000 0.766423 -7.500000e-02 -0.175000 -0.123810 0.824916
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.680000 0.766423 -7.500000e-02 -0.175000 -0.123810 0.824916
NEURONAL_NETWORK IN_PROCESSING DISTRACTION DEMV 0.680000 0.764706 -2.250000e-02 -0.095000 -0.061905 0.908772
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.680000 0.746032 -1.000000e-01 -0.275000 -0.180952 0.705426
MLPClassifier BASE_LINE FAIR_PCA RUS 0.680000 0.744000 -1.250000e-02 -0.125000 -0.071429 0.875000
LogisticRegressionCV BASE_LINE RUS HYPERPARAMETER 0.680000 0.735537 2.000000e-02 -0.085000 -0.038095 0.926941
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.680000 0.735537 2.000000e-02 -0.085000 -0.038095 0.926941
LogisticRegressionCV BASE_LINE RUS RUS 0.680000 0.733333 -2.775558e-17 -0.075000 -0.047619 0.907407
MLPClassifier PREPROCESSING FOS HYPERPARAMETER 0.675000 0.768683 2.500000e-03 0.005000 -0.007143 0.989899
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FOS_FAIR_PCA 0.675000 0.767025 7.750000e-02 -0.020000 0.030952 1.045139
MLPClassifier PREPROCESSING FOS FAIR_PCA 0.675000 0.767025 4.250000e-02 -0.090000 -0.016667 0.976190
ExtraTreesClassifier PREPROCESSING DEMV FAIR_PCA 0.675000 0.765343 4.250000e-02 -0.115000 -0.026190 0.962199
MLPClassifier PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.675000 0.763636 -3.000000e-02 -0.210000 -0.107143 0.848485
RidgeClassifierCV PREPROCESSING DEMV FAIR_PCA 0.675000 0.763636 -8.750000e-02 -0.175000 -0.130952 0.816667
LogisticRegressionCV PREPROCESSING DEMV FAIR_PCA 0.675000 0.763636 -8.750000e-02 -0.175000 -0.130952 0.816667
RidgeClassifierCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.675000 0.763636 -8.750000e-02 -0.175000 -0.130952 0.816667
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.675000 0.763636 -8.750000e-02 -0.175000 -0.130952 0.816667
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.675000 0.763636 -8.750000e-02 -0.175000 -0.130952 0.816667
LinearSVC PREPROCESSING DEMV FAIR_PCA 0.675000 0.761905 -8.750000e-02 -0.200000 -0.140476 0.801347
LinearSVC PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.675000 0.761905 -8.750000e-02 -0.200000 -0.140476 0.801347
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.675000 0.761905 -8.750000e-02 -0.200000 -0.140476 0.801347
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.675000 0.761905 -8.750000e-02 -0.200000 -0.140476 0.801347
LinearDiscriminantAnalysis PREPROCESSING DEMV DEMV 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.675000 0.760148 -3.250000e-02 -0.190000 -0.102381 0.850694
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.675000 0.741036 1.250000e-02 -0.125000 -0.054762 0.904167
RidgeClassifierCV BASE_LINE FAIR_PCA RUS 0.675000 0.738956 1.000000e-02 -0.080000 -0.040476 0.927350
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675000 0.738956 1.000000e-02 -0.080000 -0.040476 0.927350
LogisticRegressionCV BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.675000 0.738956 -7.500000e-03 -0.115000 -0.064286 0.886076
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.675000 0.738956 -7.500000e-03 -0.115000 -0.064286 0.886076
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.675000 0.738956 -7.500000e-03 -0.115000 -0.064286 0.886076
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.675000 0.728033 5.000000e-03 -0.065000 -0.040476 0.920188
MLPClassifier BASE_LINE FAIR_PCA HYPERPARAMETER_SMOTE 0.670000 0.765957 -2.500000e-03 -0.205000 -0.085714 0.883495
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_SMOTE 0.670000 0.764286 -2.500000e-02 -0.125000 -0.071429 0.900990
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.670000 0.760870 -6.250000e-02 -0.175000 -0.114286 0.840000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM ROS 0.670000 0.759124 4.250000e-02 0.010000 0.019048 1.028674
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD ROS 0.670000 0.759124 4.250000e-02 0.010000 0.019048 1.028674
ExtraTreesClassifier PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670000 0.759124 -7.500000e-03 -0.165000 -0.076190 0.890034
NEURONAL_NETWORK IN_PROCESSING RULER UNAWARENESS 0.670000 0.757353 2.250000e-02 0.020000 0.009524 1.014493
NEURONAL_NETWORK IN_PROCESSING RULER FOS 0.670000 0.757353 5.000000e-03 -0.015000 -0.014286 0.978495
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.670000 0.757353 -2.750000e-02 -0.155000 -0.085714 0.875000
LinearDiscriminantAnalysis PREPROCESSING DEMV FAIR_PCA 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR FAIR_PCA 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER_FAIR_PCA 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_DEMV 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.670000 0.757353 -8.250000e-02 -0.190000 -0.133333 0.809524
MLPClassifier PREPROCESSING DEMV DEMV 0.670000 0.755556 -1.025000e-01 -0.180000 -0.142857 0.793814
MLPClassifier BASE_LINE ROS HYPERPARAMETER 0.670000 0.753731 -3.250000e-02 -0.065000 -0.057143 0.913043
LinearSVC PREPROCESSING DEMV DEMV 0.670000 0.751880 -6.750000e-02 -0.160000 -0.114286 0.827957
LinearSVC PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.670000 0.751880 -6.750000e-02 -0.160000 -0.114286 0.827957
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_BAL_GAN_FAIR 0.670000 0.751880 -6.750000e-02 -0.160000 -0.114286 0.827957
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.670000 0.751880 -6.750000e-02 -0.160000 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING DEMV HYPERPARAMETER 0.670000 0.750000 -6.750000e-02 -0.185000 -0.123810 0.811594
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR HYPERPARAMETER 0.670000 0.750000 -6.750000e-02 -0.185000 -0.123810 0.811594
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_ROS 0.670000 0.742188 2.775558e-17 -0.075000 -0.042857 0.927711
LinearSVC BASE_LINE FAIR_PCA RUS 0.670000 0.740157 2.000000e-02 -0.135000 -0.052381 0.910569
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.670000 0.740157 2.000000e-02 -0.135000 -0.052381 0.910569
ExtraTreesClassifier_FAIR_PCA_ROS POSTPROCESSING ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI 0.666667 0.230769 -5.000000e-01 -1.000000 -0.093750 0.000000
NEURONAL_NETWORK IN_PROCESSING RULER FOS_FAIR_PCA 0.665000 0.761566 -2.000000e-02 -0.090000 -0.054762 0.924092
MLPClassifier PREPROCESSING FAIR_GAN FAIR_GAN 0.665000 0.759857 -2.400000e-01 -0.255000 -0.254762 0.669753
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE SMOTE_FAIR_PCA 0.665000 0.756364 -2.500000e-02 -0.025000 -0.035714 0.947917
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_ROS 0.665000 0.756364 -4.250000e-02 -0.060000 -0.059524 0.914089
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.665000 0.752768 -4.000000e-02 -0.180000 -0.102381 0.850694
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER_FAIR_PCA 0.665000 0.750929 5.250000e-02 -0.170000 -0.040476 0.938406
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS_FAIR_PCA 0.665000 0.749064 2.325000e-01 0.015000 0.140476 1.236948
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS_FAIR_PCA 0.665000 0.749064 2.325000e-01 0.015000 0.140476 1.236948
MLPClassifier PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.665000 0.749064 1.250000e-02 -0.125000 -0.050000 0.923077
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.665000 0.747170 -8.000000e-02 -0.185000 -0.130952 0.802867
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_DEMV 0.665000 0.747170 -8.000000e-02 -0.185000 -0.130952 0.802867
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA RUS 0.665000 0.735178 2.500000e-02 -0.125000 -0.045238 0.921811
LinearDiscriminantAnalysis BASE_LINE FAIR_PCA HYPERPARAMETER_RUS 0.665000 0.735178 2.500000e-02 -0.125000 -0.045238 0.921811
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.665000 0.735178 2.500000e-02 -0.125000 -0.045238 0.921811
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.665000 0.735178 2.500000e-02 -0.125000 -0.045238 0.921811
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_GAN_FAIR_PCA 0.660000 0.776316 -3.500000e-01 -0.375000 -0.361905 0.610256
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS_FAIR_PCA 0.660000 0.771812 8.250000e-02 0.040000 0.061905 1.080247
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_BAL_GAN_FAIR 0.660000 0.753623 5.000000e-03 -0.165000 -0.066667 0.904762
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.660000 0.746269 -2.000000e-02 -0.090000 -0.057143 0.913043
LogisticRegressionCV PREPROCESSING DEMV DEMV 0.660000 0.744361 -5.500000e-02 -0.185000 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING BAL_GAN_FAIR BAL_GAN_FAIR 0.660000 0.744361 -5.500000e-02 -0.185000 -0.114286 0.827957
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_BAL_GAN_FAIR 0.660000 0.744361 -5.500000e-02 -0.185000 -0.114286 0.827957
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS 0.660000 0.734375 -7.500000e-03 -0.065000 -0.042857 0.927711
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_GAN_FAIR_PCA 0.655000 0.782334 -3.500000e-02 0.055000 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_PCA 0.655000 0.782334 -3.500000e-02 0.055000 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_GAN_FAIR_PCA 0.655000 0.782334 -3.500000e-02 0.055000 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_PCA 0.655000 0.782334 -3.500000e-02 0.055000 -0.002381 0.997312
NEURONAL_NETWORK IN_PROCESSING DISTRACTION UNAWARENESS 0.655000 0.750903 -4.500000e-02 -0.165000 -0.097619 0.863333
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM SMOTE 0.655000 0.749091 8.000000e-02 -0.015000 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD SMOTE 0.655000 0.749091 8.000000e-02 -0.015000 0.035714 1.053763
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM BAL_GAN_FAIR 0.655000 0.743494 5.000000e-03 -0.090000 -0.040476 0.938406
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD BAL_GAN_FAIR 0.655000 0.743494 5.000000e-03 -0.090000 -0.040476 0.938406
MLPClassifier PREPROCESSING DEMV HYPERPARAMETER 0.655000 0.739623 4.000000e-02 -0.070000 -0.011905 0.981061
LinearSVC BASE_LINE RUS RUS 0.655000 0.722892 7.000000e-02 -0.060000 0.007143 1.013158
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655000 0.722892 7.000000e-02 -0.060000 0.007143 1.013158
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS_FAIR_PCA 0.655000 0.722892 3.250000e-02 -0.060000 -0.016667 0.969697
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS_FAIR_PCA 0.655000 0.722892 3.250000e-02 -0.060000 -0.016667 0.969697
RidgeClassifierCV BASE_LINE RUS RUS 0.655000 0.716049 5.000000e-02 -0.100000 -0.021429 0.958904
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.655000 0.716049 5.000000e-02 -0.100000 -0.021429 0.958904
ExtraTreesClassifier BASE_LINE FAIR_PCA RUS 0.655000 0.708861 -1.000000e-01 -0.175000 -0.145238 0.725225
ExtraTreesClassifier BASE_LINE RUS RUS 0.655000 0.706383 -1.750000e-01 -0.200000 -0.202381 0.622222
ExtraTreesClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.650000 0.755245 3.500000e-02 -0.030000 0.004762 1.006536
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.650000 0.748201 3.250000e-02 -0.060000 -0.009524 0.986254
NEURONAL_NETWORK IN_PROCESSING DISTRACTION SMOTE_FAIR_PCA 0.650000 0.748201 3.500000e-02 -0.130000 -0.033333 0.952381
NEURONAL_NETWORK IN_PROCESSING DISTRACTION ROS 0.650000 0.736842 -6.500000e-02 -0.105000 -0.090476 0.862319
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_DEMV 0.650000 0.734848 -3.000000e-02 -0.060000 -0.052381 0.917603
NEURONAL_NETWORK IN_PROCESSING RULER DEMV 0.650000 0.728682 -1.225000e-01 -0.170000 -0.152381 0.760300
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS_FAIR_PCA 0.650000 0.717742 -1.075000e-01 -0.190000 -0.152381 0.739837
LinearDiscriminantAnalysis BASE_LINE RUS RUS 0.650000 0.715447 7.500000e-02 -0.075000 0.004762 1.009009
LinearDiscriminantAnalysis BASE_LINE RUS HYPERPARAMETER 0.650000 0.715447 7.500000e-02 -0.075000 0.004762 1.009009
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.650000 0.715447 7.500000e-02 -0.075000 0.004762 1.009009
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.650000 0.715447 7.500000e-02 -0.075000 0.004762 1.009009
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.650000 0.698276 -1.525000e-01 -0.180000 -0.180952 0.648148
LogisticRegressionCV_RUS_HYPERPARAMETER POSTPROCESSING LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI 0.647727 0.597403 -1.829365e-01 -0.488095 -0.179310 0.527273
NEURONAL_NETWORK IN_PROCESSING DISTRACTION BAL_GAN_FAIR_FAIR_PCA 0.645000 0.736059 -7.500000e-02 -0.150000 -0.111905 0.835088
NEURONAL_NETWORK IN_PROCESSING RULER ROS 0.645000 0.721569 -4.750000e-02 -0.045000 -0.059524 0.899598
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_RUS 0.645000 0.707819 -5.000000e-02 -0.125000 -0.092857 0.828947
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_DEMV 0.640000 0.707317 -2.500000e-03 -0.205000 -0.090476 0.837607
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM DEMV 0.635000 0.720307 7.500000e-03 -0.135000 -0.054762 0.911877
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD DEMV 0.635000 0.720307 7.500000e-03 -0.135000 -0.054762 0.911877
MLPClassifier BASE_LINE ROS ROS 0.635000 0.713725 7.500000e-02 0.000000 0.035714 1.063291
MLPClassifier BASE_LINE RUS HYPERPARAMETER 0.635000 0.704453 -3.750000e-02 -0.100000 -0.073810 0.867521
MLPClassifier_RUS_HYPERPARAMETER POSTPROCESSING MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI 0.630952 0.586667 -1.883649e-01 -0.445513 -0.164942 0.539898
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FOS 0.630000 0.727941 1.825000e-01 -0.010000 0.104762 1.166667
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FOS 0.630000 0.727941 1.825000e-01 -0.010000 0.104762 1.166667
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_RUS 0.630000 0.694215 2.500000e-03 -0.070000 -0.038095 0.926941
NEURONAL_NETWORK IN_PROCESSING RULER DEMV_FAIR_PCA 0.625000 0.716981 -7.500000e-02 -0.075000 -0.083333 0.871795
NEURONAL_NETWORK IN_PROCESSING DISTRACTION RUS 0.625000 0.688797 -3.000000e-02 -0.060000 -0.054762 0.894977
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_RUS 0.625000 0.680851 -5.000000e-02 -0.100000 -0.083333 0.833333
ExtraTreesClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.622222 0.653061 -6.150794e-01 -0.785714 -0.644269 0.212560
NEURONAL_NETWORK IN_PROCESSING RULER BAL_GAN_FAIR_FAIR_PCA 0.620000 0.722628 -8.000000e-02 -0.185000 -0.123810 0.824916
NEURONAL_NETWORK IN_PROCESSING RULER RUS_FAIR_PCA 0.620000 0.696000 7.250000e-02 -0.030000 0.023810 1.043860
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_RUS 0.620000 0.696000 -5.500000e-02 -0.135000 -0.095238 0.835391
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM RUS 0.610000 0.675000 2.500000e-02 -0.075000 -0.023810 0.953052
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD RUS 0.610000 0.675000 2.500000e-02 -0.075000 -0.023810 0.953052
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE RUS_FAIR_PCA 0.610000 0.675000 -1.400000e-01 -0.180000 -0.166667 0.696970
ExtraTreesClassifier_BASE_LINE_VALUES POSTPROCESSING ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI 0.607843 0.285714 -5.263158e-01 -1.000000 -0.217391 0.000000
NEURONAL_NETWORK IN_PROCESSING RULER RUS 0.605000 0.685259 0.000000e+00 -0.125000 -0.054762 0.904167
ExtraTreesClassifier BASE_LINE PCA ROS 0.585000 0.679537 1.000000e-02 -0.180000 -0.064286 0.895349
MLPClassifier BASE_LINE PCA SMOTE 0.585000 0.679537 -1.575000e-01 -0.215000 -0.183333 0.717949
MLPClassifier BASE_LINE PCA ROS 0.580000 0.671875 -2.075000e-01 -0.265000 -0.233333 0.641026
MLPClassifier_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_BASE_LINE_VALUES_CERTI_FAI 0.576923 0.214286 -5.526316e-01 -1.000000 -0.227273 0.000000
ExtraTreesClassifier BASE_LINE PCA PCA 0.575000 0.686347 -4.750000e-02 -0.195000 -0.102381 0.850694
LogisticRegressionCV BASE_LINE PCA ROS 0.575000 0.655870 -2.400000e-01 -0.355000 -0.288095 0.536398
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_PCA 0.565000 0.661479 2.800000e-01 0.235000 0.259524 1.511737
LinearDiscriminantAnalysis BASE_LINE PCA ROS 0.560000 0.645161 -2.600000e-01 -0.345000 -0.295238 0.530303
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_ROS 0.560000 0.645161 -2.600000e-01 -0.345000 -0.295238 0.530303
RidgeClassifierCV BASE_LINE PCA ROS 0.560000 0.642276 -2.600000e-01 -0.370000 -0.304762 0.509579
LinearSVC BASE_LINE PCA ROS 0.560000 0.642276 -2.600000e-01 -0.370000 -0.304762 0.509579
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_ROS 0.560000 0.639344 -2.425000e-01 -0.360000 -0.290476 0.521569
LinearDiscriminantAnalysis BASE_LINE PCA RUS 0.560000 0.636364 -1.900000e-01 -0.280000 -0.228571 0.604938
LinearSVC BASE_LINE PCA RUS 0.560000 0.636364 -1.900000e-01 -0.280000 -0.228571 0.604938
LogisticRegressionCV BASE_LINE PCA RUS 0.560000 0.636364 -1.900000e-01 -0.280000 -0.228571 0.604938
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_RUS 0.560000 0.636364 -1.900000e-01 -0.280000 -0.228571 0.604938
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_RUS 0.560000 0.636364 -1.900000e-01 -0.280000 -0.228571 0.604938
RidgeClassifierCV BASE_LINE PCA RUS 0.555000 0.627615 -1.675000e-01 -0.260000 -0.207143 0.628205
ExtraTreesClassifier BASE_LINE PCA RUS 0.535000 0.610879 2.500000e-03 -0.170000 -0.064286 0.875000
MLPClassifier BASE_LINE PCA HYPERPARAMETER_ROS 0.530000 0.594828 -9.000000e-02 -0.130000 -0.109524 0.777778
MLPClassifier BASE_LINE PCA HYPERPARAMETER_RUS 0.525000 0.595745 -1.200000e-01 -0.140000 -0.130952 0.745370
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN_FAIR_PCA 0.525000 0.581498 1.000000e-02 -0.205000 -0.073810 0.838542
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER UNAWARENESS 0.520000 0.603306 1.500000e-02 0.005000 0.009524 1.018779
ExtraTreesClassifier BASE_LINE PCA SMOTE 0.520000 0.603306 3.750000e-02 -0.100000 -0.014286 0.972222
LogisticRegressionCV BASE_LINE PCA HYPERPARAMETER_SMOTE 0.520000 0.593220 -9.750000e-02 -0.070000 -0.090476 0.821596
LogisticRegressionCV BASE_LINE PCA SMOTE 0.520000 0.593220 -1.150000e-01 -0.105000 -0.114286 0.777778
MLPClassifier BASE_LINE PCA RUS 0.520000 0.593220 -1.325000e-01 -0.140000 -0.138095 0.735160
LinearDiscriminantAnalysis BASE_LINE PCA SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
LinearSVC BASE_LINE PCA SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
LinearDiscriminantAnalysis BASE_LINE PCA HYPERPARAMETER_SMOTE 0.515000 0.583691 -1.300000e-01 -0.085000 -0.116667 0.766667
MLPClassifier_BASE_HYPER POSTPROCESSING MLPClassifier_BASE_HYPER_CERTI_FAI MLPClassifier_BASE_HYPER_CERTI_FAI 0.514706 0.507463 -3.098485e-01 -0.486364 -0.328372 0.327619
RidgeClassifierCV BASE_LINE PCA SMOTE 0.505000 0.571429 -1.200000e-01 -0.065000 -0.102381 0.789216
MLPClassifier_DEMV_HYPERPARAMETER POSTPROCESSING MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI 0.500000 0.162162 -9.038462e-02 -0.230769 -0.086729 0.284483
MLPClassifier BASE_LINE PCA HYPERPARAMETER_SMOTE 0.480000 0.539823 -3.750000e-02 -0.050000 -0.042857 0.903226
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_PCA 0.465000 0.483092 -1.175000e-01 -0.185000 -0.145238 0.616352
LogisticRegressionCV_BASE_LINE_VALUES POSTPROCESSING LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI 0.461538 0.333333 -1.611842e-01 -0.322368 -0.214286 0.142857
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FOS 0.460000 0.522124 -2.500000e-02 0.250000 0.076190 1.187135
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE 0.460000 0.419355 4.700000e-01 0.590000 0.504762 7.424242
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_GAN 0.440000 0.404255 -2.600000e-01 -0.345000 -0.295238 0.101449
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE 0.435000 0.395722 5.000000e-01 0.575000 0.521429 7.636364
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE 0.435000 0.395722 5.000000e-01 0.575000 0.521429 7.636364
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.430000 0.406250 5.650000e-01 0.555000 0.557143 7.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.430000 0.393617 5.075000e-01 0.540000 0.514286 7.000000
MLPClassifier_NONE_BASE_LINE_VALUES POSTPROCESSING MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI 0.425926 0.311111 -3.113636e-01 -0.350000 -0.310440 0.103175
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.425000 0.391534 5.325000e-01 0.540000 0.530952 7.194444
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.420000 0.376344 5.175000e-01 0.560000 0.528571 8.400000
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.415000 0.360656 5.550000e-01 0.685000 0.597619 17.733333
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.415000 0.346369 4.975000e-01 0.670000 0.554762 20.416667
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.410000 0.358696 5.100000e-01 0.545000 0.519048 9.074074
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE 0.410000 0.351648 5.600000e-01 0.695000 0.604762 22.166667
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE 0.410000 0.321839 4.650000e-01 0.630000 0.519048 37.333333
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS 0.400000 0.464286 -6.000000e-02 0.005000 -0.028571 0.933333
LinearSVC_BASE_LINE_VALUES POSTPROCESSING LinearSVC_BASE_LINE_VALUES_CERTI_FAI LinearSVC_BASE_LINE_VALUES_CERTI_FAI 0.400000 0.400000 -1.000000e+00 -1.000000 -1.000000 0.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.395000 0.300578 4.275000e-01 0.580000 0.478571 23.333333
MLPClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.395000 0.284024 4.250000e-01 0.600000 0.483333 inf
RidgeClassifierCV_BASE_LINE_VALUES POSTPROCESSING RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI 0.393939 0.230769 -9.282297e-01 -0.947368 -0.933333 0.066667
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390000 0.314607 6.000000e-01 0.700000 0.633333 inf
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390000 0.290698 4.150000e-01 0.555000 0.461905 22.555556
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_SMOTE 0.390000 0.273810 4.125000e-01 0.575000 0.466667 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER 0.390000 0.273810 4.125000e-01 0.575000 0.466667 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_SMOTE 0.390000 0.273810 4.125000e-01 0.575000 0.466667 inf
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN_FAIR_PCA 0.390000 0.273810 2.500000e-03 -0.020000 -0.009524 0.933333
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_PCA 0.390000 0.273810 2.500000e-03 -0.020000 -0.009524 0.933333
LogisticRegressionCV_BASE_HYPER POSTPROCESSING LogisticRegressionCV_BASE_HYPER_CERTI_FAI LogisticRegressionCV_BASE_HYPER_CERTI_FAI 0.387755 0.062500 -4.545455e-02 -0.090909 -0.052632 0.000000
ExtraTreesClassifier PREPROCESSING FAIR_SMOTE FAIR_PCA 0.385000 0.320442 6.625000e-01 0.725000 0.683333 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.385000 0.312849 6.250000e-01 0.700000 0.650000 inf
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_SMOTE_FAIR_PCA 0.385000 0.297143 5.500000e-01 0.650000 0.583333 inf
ExtraTreesClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.385000 0.289017 5.125000e-01 0.625000 0.550000 inf
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_SMOTE 0.385000 0.263473 4.000000e-01 0.550000 0.450000 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_SMOTE_FAIR_PCA 0.380000 0.279070 5.000000e-01 0.600000 0.533333 inf
MLPClassifier PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.375000 0.260355 -1.750000e-02 -0.010000 -0.016667 0.888889
MLPClassifier PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.375000 0.251497 4.125000e-01 0.525000 0.450000 inf
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.370000 0.275862 5.325000e-01 0.565000 0.542857 77.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_FGSM FAIR_SMOTE_FAIR_PCA 0.370000 0.275862 5.325000e-01 0.565000 0.542857 77.000000
NEURONAL_NETWORK IN_PROCESSING ROB_FAIRNESS_PGD FAIR_SMOTE_FAIR_PCA 0.370000 0.275862 5.325000e-01 0.565000 0.542857 77.000000
NEURONAL_NETWORK IN_PROCESSING FAIR_FOR_FREE FAIR_SMOTE_FAIR_PCA 0.370000 0.258824 4.750000e-01 0.550000 0.500000 inf
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.370000 0.250000 4.200000e-01 0.490000 0.442857 63.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.370000 0.240964 3.825000e-01 0.465000 0.409524 58.333333
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.370000 0.240964 3.825000e-01 0.465000 0.409524 58.333333
LinearSVC PREPROCESSING FAIR_SMOTE FAIR_PCA 0.365000 0.220859 3.500000e-01 0.450000 0.383333 inf
LogisticRegressionCV PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.365000 0.220859 3.500000e-01 0.450000 0.383333 inf
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.365000 0.220859 3.500000e-01 0.450000 0.383333 inf
RidgeClassifierCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE FAIR_PCA 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING FAIR_SMOTE HYPERPARAMETER_FAIR_PCA 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_SMOTE 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE 0.360000 0.209877 3.025000e-01 0.355000 0.319048 23.333333
LogisticRegressionCV PREPROCESSING FAIR_SMOTE FAIR_PCA 0.355000 0.208589 3.625000e-01 0.425000 0.383333 inf
NEURONAL_NETWORK IN_PROCESSING RULER FAIR_GAN_FAIR_PCA 0.350000 0.144737 4.000000e-02 0.030000 0.033333 1.666667
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER ROS_FAIR_PCA 0.340000 0.274725 -8.250000e-02 -0.040000 -0.061905 0.729167
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_GAN 0.320000 0.068493 1.750000e-02 -0.015000 0.004762 1.166667
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE_FAIR_PCA 0.320000 0.055556 -2.000000e-02 -0.040000 -0.028571 0.000000
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER SMOTE 0.315000 0.041958 -1.500000e-02 -0.030000 -0.021429 0.000000
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
CalibratedClassifierCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.305000 0.014184 -5.000000e-03 -0.010000 -0.007143 0.000000
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearSVC PREPROCESSING FAIR_GAN FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
RidgeClassifierCV PREPROCESSING FAIR_GAN FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
MLPClassifier PREPROCESSING FAIR_GAN FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearSVC PREPROCESSING FAIR_GAN FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
MLPClassifier PREPROCESSING FAIR_GAN HYPERPARAMETER_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS UNAWARENESS_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
MLPClassifier PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
CalibratedClassifierCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING UNAWARENESS FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LinearDiscriminantAnalysis PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
LogisticRegressionCV PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
MLPClassifier PREPROCESSING UNAWARENESS HYPERPARAMETER_FAIR_PCA_FAIR_GAN 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
NEURONAL_NETWORK IN_PROCESSING DISTRACTION FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER RUS_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER FAIR_SMOTE 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER BAL_GAN_FAIR_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
GERRY_FAIR_CLASSIFIER IN_PROCESSING GERRY_FAIR_CLASSIFIER DEMV_FAIR_PCA 0.300000 0.000000 0.000000e+00 0.000000 0.000000 NaN
6.5 Proceso de revisión

Luego de tener resultados de evaluación del modelo se pueden establecer un conjunto de acciones para comprender cómo se toman las decisiones. Es recomendable hacer un análisis de importancia de características, para establecer la contribución relativa de cada característica en las predicciones del modelo. Teniendo en cuenta este orden se procede a revisar cual es la característica más importante y la que menos contribuye en la salida del modelo.

Probabilidad de predicción positiva: ¿Qué porcentaje de cada grupo recibe una predicción positiva?

Distribución de la Probabilidad de Predicción Positiva por Grupo Sensible

Varianza de las predicciones dentro de un grupo: ¿Las predicciones dentro de un mismo grupo son consistentes o varían mucho?

Varianza de las Predicciones por Grupo Sensible

Disparidad entre grupos: ¿Hay diferencias significativas en las tasas de predicción positiva?

Comparación de Probabilidad Media de Predicción Positiva por Clasificador Comparación de la Equidad entre las 10 Mejores Combinaciones de Parámetros

Usa LIME para generar explicaciones locales sobre la influencia de las características en las predicciones del modelo.

Importancia de Características según LIME

Usa SHAP para calcular la importancia de cada característica en la toma de decisiones del modelo.

Importancia de Características según SHAP

Se generan múltiples versiones de los datos y se filtran aquellas que producen resultados distintos en un modelo de clasificación.

Se calculan distancias entre las versiones originales y las alteradas, almacenando la información resultante.

Posteriormente, los valores generados se ajustan para mantener coherencia con los datos originales.

Distribución de la Distancia por Cantidad de Cambios Impacto de Cada Atributo en la Distancia Comparación de Distribuciones de Distancia